Avaliações e Detalhes do Produto Azure Synapse Analytics

Eu uso o Azure Synapse Analytics para fluxos de ETL/Engenharia de Dados e aprecio sua capacidade de processar grandes volumes de dados, semelhante ao Databricks ou MS Fabric. Gosto das principais conexões que ele oferece com o Azure Data Lake e outras soluções Azure, que ajudam a salvar dados ingeridos de forma eficiente. Outro aspecto que eu gosto é a facilidade de uso com pipelines de dados, especialmente a abordagem de baixo código que me permite criar um protótipo e um fluxo ETL básico em minutos. Análise coletada por e hospedada no G2.com.

Acredito que precisa melhorar seus recursos de integração com o git; não gosto do fato de que cada alteração é um commit sem uma mensagem de commit clara. Tempo de inicialização do Spark Pool mais rápido. Melhor estrutura de integração com o Git. Implementação semelhante ao Databricks é a melhor. Além disso, é impossível revisar código e pipelines no Azure DevOps, já que todos os arquivos são JSONs. Análise coletada por e hospedada no G2.com.

é como ele unifica o armazenamento de dados e big data em uma única plataforma, tornando mais fácil consultar e analisar grandes conjuntos de dados de forma eficiente. Ele integra SQL para consultas estruturadas, Apache Spark para processamento de big data e pipelines para ingestão e transformação de dados sem interrupções. Análise coletada por e hospedada no G2.com.

O que eu não gosto no Azure Synapse Analytics é que a configuração inicial pode ser complexa, muitas vezes exigindo expertise adicional para que tudo funcione sem problemas. A depuração e o monitoramento também podem parecer limitados, especialmente ao gerenciar grandes pipelines ou cargas de trabalho do Spark. Análise coletada por e hospedada no G2.com.

Eu uso o Azure Synapse Analytics principalmente para construir soluções de análise de dados de ponta a ponta, pois ajuda a integrar a ingestão de dados, transformação, armazenamento e análise em uma única plataforma unificada. Adoro sua experiência unificada que combina engenharia de dados, processamento de big data e armazenamento de dados empresariais em um único espaço de trabalho, melhorando significativamente a eficiência e reduzindo a complexidade arquitetônica. Aprecio poder alternar entre SQL sem servidor, pools de SQL dedicados e ambientes Spark de forma contínua. A integração com data lakes e ferramentas como o Power BI é suave, permitindo uma geração de insights mais rápida. Valorizo sua escalabilidade e capacidades de otimização de desempenho, juntamente com a orquestração de pipeline integrada adequada para lidar com cargas de trabalho analíticas em grande escala. Também aprecio como ele se integra ao ecossistema mais amplo do Azure, como o Azure Data Lake Storage e o Azure Machine Learning, facilitando a construção de pipelines de dados de ponta a ponta. A flexibilidade, eficiência operacional e eficiência de custo oferecidas pela consulta sem servidor e escalonamento sob demanda são realmente benéficas. Análise coletada por e hospedada no G2.com.

A curva de aprendizado pode ser íngreme, especialmente para equipes que são novas no processamento de dados distribuídos ou arquiteturas híbridas envolvendo pools SQL e Spark. Depurar falhas complexas de pipeline às vezes pode carecer de transparência detalhada de erros, o que aumenta o tempo de solução de problemas. O ajuste de desempenho em pools SQL dedicados também requer um gerenciamento cuidadoso de recursos e design de distribuição, o que pode não ser intuitivo para todos os usuários. Além disso, o monitoramento e a otimização de custos em consultas sem servidor, trabalhos Spark e pools dedicados podem se tornar complexos se a governança não for devidamente estabelecida. Análise coletada por e hospedada no G2.com.

Gosto que todos os dados estejam em um só lugar, cadernos, código, tabelas, é fácil de usar e a interface é agradável. Análise coletada por e hospedada no G2.com.

Às vezes, há pequenos bugs. Quando faço alterações em cadernos, tenho que fazer commit toda vez; caso contrário, perco essas alterações. Além disso, quando executo um caderno, ele é detectado como uma alteração no controle de versão. Análise coletada por e hospedada no G2.com.

Azure Synapse Analytics tinha uma interface de usuário maravilhosa chamada Synapse Studio, que a torna extremamente fácil de usar. É altamente escalável, o que facilita encontrar insights de dados importantes. Permite vincular recursos e trabalhar com scripts, bem como cadernos Spark. Seu recurso de integração de pools Spark torna o processamento e a análise de dados descomplicados. Possui a segurança do Azure, portanto, não há comprometimento nisso também. Em suma, é uma ferramenta de ETL e análise de dados na nuvem indispensável. Análise coletada por e hospedada no G2.com.

Não há nada que eu desgoste sobre a Sunapse analytics em si. Apenas uma melhoria que eu gostaria de ver é a adição de um recurso de arrastar e soltar na sua interface. Análise coletada por e hospedada no G2.com.

Ele oferece integração profunda do Azure Machine Learning, Cognitive Services e Power BI.

Possui as capacidades analíticas de big data do Spark e integração de dados para mover dados entre ambos.

É a superação da ferramenta Azure Data Factory, fornece armazenamento independente e cluster de computação.

Oferece pools de SQL que são pools de SQL dedicados e pools de SQL sem servidor, podemos trabalhar de acordo com os dados.

Fornece integração de dados híbrida, permitindo conectar com SQL local e armazenamento baseado em nuvem. Oferece uma solução completa.

Oferece armazenamento de dados em nuvem, criação de painéis e análises de aprendizado de máquina em um único espaço de trabalho, o que torna o Synapse mais poderoso do que o ADF.

Pode ingerir todos os tipos de dados, incluindo dados relacionais e não relacionais, e visualizar dados em SQL.

Fornece processamento paralelo que gerencia a carga de trabalho analítica e processa grandes volumes de dados. Análise coletada por e hospedada no G2.com.

No geral, o Synapse é bom, mas há alguns problemas -

Não há como migrar dados de um pool SQL Dedicado para um pool SQL Serverless, o que aumenta a intervenção manual e isso pode ser cansativo para grandes volumes de dados. Análise coletada por e hospedada no G2.com.

Plataforma de Análise Unificada

Escalabilidade e Desempenho

Capacidades Avançadas de Análise

Segurança e Conformidade

Otimização de Custos

Integração com Serviços Azure Análise coletada por e hospedada no G2.com.

Maturidade dos Recursos: Como acontece com qualquer tecnologia em evolução, certos recursos ou funcionalidades dentro do Azure Synapse Analytics podem ainda estar amadurecendo ou passando por melhorias. Isso pode resultar em limitações ocasionais ou lacunas em certas áreas, exigindo soluções alternativas ou abordagens diferentes. Análise coletada por e hospedada no G2.com.

A melhor coisa sobre a plataforma de análise Azure Synapse é que ela fornece todos os serviços sob um único guarda-chuva, o que reduz a dependência e também ajuda a gerenciar todos os serviços de uma vez. Análise coletada por e hospedada no G2.com.

Há muitas coisas para não gostar no Azure Synapse Analytics. Uma delas é que o CTE não é suportado na instância de pool SQL, seja ela sem servidor ou dedicada. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no Azure Synapse Analytics é que ele nos oferece uma instância gerenciada de ponta a ponta. Seja Azure SQL ou ADF e qualquer outra funcionalidade. Não precisamos gerenciar nenhuma conexão, todas são gerenciadas pelo Synapse. Análise coletada por e hospedada no G2.com.

A estrutura de custos é difícil de entender. E as métricas de registro não são fáceis de usar. Fontes de dados externas de terceiros integradas, essa capacidade parece estar faltando. Análise coletada por e hospedada no G2.com.

SQL suporte, Interface do Usuário é rápida de aprender, Conectividade com Power BI Análise coletada por e hospedada no G2.com.

Recursos limitados de SQL disponíveis, mudanças e atualizações podem receber uma explicação mais aprimorada. Análise coletada por e hospedada no G2.com.