Estou feliz que minha perna não esteja completamente dormente por ter que esperar por uma consulta (pelo menos o recurso de término automático funciona e me economizou dinheiro). O histórico é um tanto útil, eu dependo dele para recuperar scripts anteriores que escrevo porque sempre pareço esquecer o que fiz no dia anterior. Acho que isso ajuda a manter o financeiro longe do meu encalço, economizando dinheiro na conta da AWS. Para mim, é simplesmente um local central para gerenciar nossos grandes dados, assim não preciso ficar de olho em 5 monitores. Análise coletada por e hospedada no G2.com.

Se eu quiser encontrar uma consulta que foi executada há mais de 30 dias, a função de busca nem chega perto de ser capaz de me ajudar e também instalar pacotes R é um pesadelo completo e as mensagens de erro são tão claras quanto lama. E ao trabalhar com grandes quantidades de dados, a interface do usuário fica lenta e tentar rolar por um notebook é como empurrar através da lama. Seria bom se fosse mais fácil instalar/gerenciar pacotes externos do Spark. Análise coletada por e hospedada no G2.com.

O autoscale funciona bem; também nos ajudou a reduzir o custo de usar recursos em nuvem. Achei que isso seria um problema, já que é a primeira vez que usamos autoscale. O suporte tem sido bom o suficiente, eles normalmente aparecem no horário agendado para nos ajudar a resolver os problemas que criamos. A capacidade de salvar o histórico de consultas na ordem em que foram escritas é boa, pois muitas vezes esqueço o que escrevi poucos minutos depois de escrever. Ao trabalhar com colegas que precisam de acesso ao seu código, você pode enviar-lhes o permalink (link) para o código, o que é melhor do que ter que explicar. Como suporta tanto Spark quanto Presto em uma única ferramenta, não preciso alternar entre ferramentas. Análise coletada por e hospedada no G2.com.

Eu odeio a forma como a função de busca funciona. Nunca encontrei os resultados de um mês atrás, e isso é irritante. A interface do usuário ocasionalmente fica atrás da minha digitação, e se estou com pressa sinto que leva muito tempo. Além disso, faria muito mais sentido se a gaveta de tabelas permanecesse aberta quando eu clico no caderno, em vez de fechar automaticamente, o que consome muito tempo, pois preciso abri-la novamente. Já tive a equipe de suporte me dizendo que não conseguem replicar um problema, o que não ajuda em nada. Análise coletada por e hospedada no G2.com.

O que eu mais gosto na Plataforma de Inteligência de Dados da Databricks é como ela reúne tudo de engenharia de dados, análises e aprendizado de máquina em um ambiente unificado. É muito fácil de usar, apesar de ser poderosa, e facilita muito a colaboração entre equipes técnicas e não técnicas. A plataforma lida com grandes volumes de dados de forma eficiente, escala suavemente e se integra bem com serviços de nuvem, o que economiza muito tempo e esforço. No geral, ajuda a transformar dados brutos em insights significativos mais rapidamente, sem tornar o processo excessivamente complexo. Análise coletada por e hospedada no G2.com.

Uma coisa que não gosto na Plataforma de Inteligência de Dados da Databricks é que ela pode parecer complexa e avassaladora para novos usuários, especialmente aqueles sem um forte background técnico. A curva de aprendizado é bastante acentuada, e leva tempo para entender completamente como usar todos os recursos de forma eficaz. Além disso, o preço pode se tornar caro à medida que o uso aumenta, e a gestão de custos nem sempre é muito transparente. Às vezes, depurar erros ou problemas de desempenho também pode ser desafiador, particularmente em fluxos de trabalho grandes ou altamente integrados. Análise coletada por e hospedada no G2.com.

O Databricks é fácil de usar e simples de começar, mesmo ao lidar com grandes volumes de dados. Ele reúne tudo, como processamento de dados, análises e IA em um só lugar, então minha equipe não precisa de várias ferramentas. A plataforma integra-se perfeitamente com ferramentas comuns como painéis de BI, fluxos de trabalho e serviços em nuvem. Seus notebooks tornam o trabalho diário frequente e conveniente, permitindo que nossas equipes colaborem em tempo real. Existem muitos recursos integrados para dados, análises e aprendizado de máquina sem complexidade adicional. O suporte ao cliente, a documentação e os recursos da comunidade tornam mais fácil resolver problemas rapidamente. Análise coletada por e hospedada no G2.com.

O Databricks pode ser caro e imprevisível em termos de custo, especialmente para pequenas equipes se as cargas de trabalho durarem mais do que o esperado. É necessário conhecimento técnico para configurar, gerenciar e otimizar o desempenho, o que pode ser desafiador para usuários não técnicos. Os custos precisam ser monitorados com frequência, já que computação e armazenamento são cobrados separadamente. Embora tenha dashboards básicos, ainda depende de ferramentas como Power BI ou Tableau para relatórios completos. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no Databricks é como ele reúne engenharia de dados, análise e aprendizado de máquina em uma única plataforma. Ter um ambiente unificado construído em torno do Apache Spark facilita muito a colaboração entre as equipes de dados. A abordagem Lakehouse funciona bem porque elimina a necessidade de mover dados entre várias ferramentas. O desempenho é forte para grandes conjuntos de dados, e os notebooks tornam a experimentação, análise e colaboração mais eficientes. No geral, ele simplifica fluxos de trabalho de dados complexos, mantendo-se poderoso. Análise coletada por e hospedada no G2.com.

A principal desvantagem é o custo e a complexidade para novos usuários. Os preços podem ser difíceis de prever, especialmente quando as cargas de trabalho escalam inesperadamente, e os custos de computação podem aumentar rapidamente se não forem monitorados de perto. Há também uma curva de aprendizado para equipes que não estão familiarizadas com o Spark ou plataformas de dados baseadas em nuvem. Algumas configurações e otimizações avançadas requerem recursos experientes, o que pode retardar a adoção para equipes de dados menores ou menos maduras. Análise coletada por e hospedada no G2.com.

Databricks é uma ferramenta de Análise de Dados que é usada por nossos engenheiros de design para analisar todos os diferentes tipos de dados financeiros e operacionais da nossa empresa e criar um resumo de tudo para que a compreensão do fluxo de trabalho da empresa seja simples. Análise coletada por e hospedada no G2.com.

Uma das principais desvantagens do Databricks é que o software é completamente baseado em linguagens de programação como Python, SQL, Scala, então se o usuário não tiver conhecimento dessas linguagens de programação, é muito difícil para ele usar esta plataforma. Análise coletada por e hospedada no G2.com.

Eu uso principalmente a Plataforma de Inteligência de Dados da Databricks para manipular grandes conjuntos de dados que armazenamos em buckets na nuvem e criar pipelines de ETL, além de configurar notebooks nos quais faço muito trabalho exploratório. Gosto muito que tudo parece pronto para usar, como o início rápido dos clusters, o escalonamento que funciona em segundo plano e posso realmente parar de me preocupar com questões de infraestrutura e focar na análise. Análise coletada por e hospedada no G2.com.

A interface do usuário pode parecer lenta, especialmente quando estou no meio de uma sessão pesada de notebook e, às vezes, as coisas são simplesmente LENTAS para clicar ou os trabalhos não são cancelados quando eu peço. E eu só comecei a mexer com o software de cluster na verdade, e embora seja poderoso, definitivamente há uma curva de aprendizado enquanto ainda estou explorando as coisas ocasionalmente tentando descobrir qual configuração de cluster ou tempo de execução está fazendo as coisas funcionarem de maneira diferente das outras. Análise coletada por e hospedada no G2.com.

A Plataforma de Inteligência de Dados da Databricks é muito confiável e é bom saber que a arquitetura nativa da nuvem não caiu logo após eu tê-la implantado no Kubernetes. Honestamente, pensei que a integração Python/R estaria quebrada, então foi um choque descobrir que ambos rodaram sem qualquer atraso. Análise coletada por e hospedada no G2.com.

Esses preços de licença são criminosos pelo que você recebe. Além disso, o gerenciamento do "cas server" do produto tem sido uma dor absoluta para tentar entender. Passei duas horas apenas tentando entender como usar as sessões. Não há uma maneira direta de obter ajuda da documentação ou do Google. Análise coletada por e hospedada no G2.com.

Gosto de como o Databricks reúne engenharia de dados, análises e IA em uma única plataforma. A integração do Spark e do Delta Lake é perfeita, o desempenho é excelente e a colaboração através de notebooks é muito fluida. Sua integração estreita com os serviços do Azure também torna os pipelines de dados, a segurança e a escalabilidade muito mais fáceis. Análise coletada por e hospedada no G2.com.

A principal desvantagem é o custo, especialmente ao executar cargas de trabalho grandes ou de longa duração. Depurar trabalhos complexos do Spark também pode ser desafiador às vezes, e ajustar o desempenho frequentemente requer um bom entendimento dos internos do Spark. Análise coletada por e hospedada no G2.com.

This is an end-to-end platform that begins with flexible onboarding of data from multiple sources, followed by processing through a medallion architecture. The Unity Catalog is used for governance, cataloging, and tracking data lineage. Databricks SQL serves as the endpoint for use cases such as business intelligence, as well as downstream integration through API endpoints. Análise coletada por e hospedada no G2.com.

There isn't anything particularly specific, but in certain situations, we do depend on cloud-native services. For instance, when working on Azure and aiming for comprehensive end-to-end governance, we require Azure Purview. Análise coletada por e hospedada no G2.com.