Recensioni e Dettagli del Prodotto Spark Streaming

La sua capacità di gestire grandi volumi di dati lo rende scalabile orizzontalmente e la sua tolleranza ai guasti attraverso la replica dei dati e anche il suo supporto per lo streaming batch rendono il processo dei dati più veloce. Recensione raccolta e ospitata su G2.com.

La micro-batching riduce la latenza e anche il suo consumo intensivo di risorse consumando una grande quantità di risorse. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di Spark Streaming è la sua capacità di gestire l'elaborazione dei dati in tempo reale in modo efficiente mantenendo un'elevata velocità di elaborazione. Consente un'integrazione senza soluzione di continuità con l'ecosistema Apache Spark, fornendo accesso a una vasta gamma di librerie e strumenti. Il modello di programmazione è facile da utilizzare e i suoi meccanismi di tolleranza ai guasti garantiscono un'elaborazione affidabile dei dati anche in caso di errori. Inoltre, la scalabilità di Spark Streaming e l'integrazione con varie fonti di dati lo rendono una scelta versatile per la gestione dei dati in streaming. Recensione raccolta e ospitata su G2.com.

Nessun supporto integrato per l'elaborazione del tempo degli eventi. Recensione raccolta e ospitata su G2.com.

Con l'aiuto di Spark Streaming, enormi quantità di dati possono essere trasferite con letteralmente zero latenza. Gli script sono facili da configurare ed eseguire utilizzando i cluster Spark. Più importante, i guasti possono essere trovati e risolti con i log dell'interfaccia utente di Spark. Recensione raccolta e ospitata su G2.com.

C'è molto da imparare su Spark Streaming e la mole di documentazione può a volte essere un po' opprimente da affrontare. La visualizzazione dei dati può essere più avanzata piuttosto che avere l'interfaccia di base. Può essere costoso a volte se i cluster non sono ottimizzati correttamente. Recensione raccolta e ospitata su G2.com.

Lo streaming di Spark è molto semplice e facile da implementare poiché dobbiamo solo configurare i parametri nel pacchetto esistente. Recensione raccolta e ospitata su G2.com.

A volte, quando i conducenti non sono disponibili, perdiamo facilmente la connessione e dobbiamo fare un altro tentativo cancellando gli stati per ottenere un'esecuzione corretta. Recensione raccolta e ospitata su G2.com.

Lo streaming di Spark è una delle migliori soluzioni per trasmettere dati facilmente, dopo Kafka. Se vuoi trasmettere una piccola o media quantità di dati, puoi utilizzare lo streaming di Spark in modo facile e sicuro. Recensione raccolta e ospitata su G2.com.

Kafka è migliore di Spark Streaming perché Spark Streaming non funziona correttamente con grandi quantità di dati, mentre Kafka Streaming gestisce i dati molto bene. Recensione raccolta e ospitata su G2.com.

Analisi in tempo reale e una soluzione open-source. Recensione raccolta e ospitata su G2.com.

Complesso da configurare inizialmente e non così rilevante per le piccole applicazioni. Recensione raccolta e ospitata su G2.com.

Lo streaming di Spark è uno dei componenti chiave che aiuta lo streaming in tempo reale dei dati e offre anche molti miglioramenti che aiutano nell'elaborazione di set di dati più grandi. Recensione raccolta e ospitata su G2.com.

In generale non provo antipatia, ma la compatibilità conta in un modo o nell'altro su diverse piattaforme. Tuttavia, è ancora il miglior streaming e elaborazione. Recensione raccolta e ospitata su G2.com.

Sono stato in grado di costruire un complesso flusso di dati utilizzando Apache Spark. Recensione raccolta e ospitata su G2.com.

Spark non è generalmente adatto quando il dataset è relativamente piccolo. Recensione raccolta e ospitata su G2.com.

È un'evoluzione nel mondo dei Big Data. Molto di tendenza e in evoluzione. Inoltre, le persone lo usano per l'elaborazione in tempo reale così come per l'elaborazione batch, il che consente anche di risparmiare sui costi. Grazie Recensione raccolta e ospitata su G2.com.

È difficile da capire e imparare. Non ci sono molte risorse disponibili. Inoltre, le persone devono avere una solida conoscenza di big data con comprensione di map reduce e java per comprendere ulteriormente lo streaming di spark. Recensione raccolta e ospitata su G2.com.

Spark è un framework molto potente e eseguiamo lavori di streaming Spark per molteplici esigenze come raccogliere dati da flume, kafka, sqoop, hdfs e trasferirli in altri nodi.

Uno dei lavori di streaming Spark utilizzati quotidianamente è per copiare i nostri dati dalla produzione al DR utilizzando un lavoro di streaming Spark. Quello che facciamo qui è copiare le fsimages dal cluster di produzione e DR, e poi eseguire un lavoro di streaming Spark per appiattire l'immagine e calcolare la differenza, dopodiché i dati vengono inviati a un database e i dati vengono copiati dalla produzione al DR utilizzando la differenza dell'immagine del namespace. Abbiamo copiato quasi 800+ TB di dati utilizzando questo lavoro di streaming. Recensione raccolta e ospitata su G2.com.

I lavori di streaming Spark sono intensivi in termini di risorse e complessi, quindi hai bisogno di ingegneri che sappiano bene come ottimizzare il lavoro, altrimenti un lavoro di streaming Spark potrebbe consumare risorse sufficienti a far cadere un cluster multi-nodo. Recensione raccolta e ospitata su G2.com.