Al evaluar las dos soluciones, los revisores encontraron que Databricks Data Intelligence Platform es más fácil de usar y configurar. Sin embargo, Google Cloud Dataflow es más fácil de administrar. Además, prefirieron hacer negocios en general con Google Cloud Dataflow.
Una gran experiencia que combina ML-Runtimes - MLFlow y Spark. La capacidad de usar Python y SQL sin problemas en una sola plataforma. Dado que los cuadernos de databricks se pueden guardar como scripts de Python en segundo plano, es increíble tener tanto...
El mayor inconveniente de la plataforma Lakehouse es su velocidad. No cumple con el rendimiento prometido. Además, la interfaz de usuario de Databricks no es fácil de usar. Se siente como si fuera una aplicación de smartphone. En el lado de la tecnología,...
Con Dataflow, puedo, con solo tocar un botón, encender cientos de computadoras trabajando en conjunto para realizar una tarea que me habría llevado horas en mi portátil en cuestión de minutos. Hago esto con prácticamente cero comprensión de la tecnología...
Todavía no he encontrado nada que me desagrade de esta plataforma.
Una gran experiencia que combina ML-Runtimes - MLFlow y Spark. La capacidad de usar Python y SQL sin problemas en una sola plataforma. Dado que los cuadernos de databricks se pueden guardar como scripts de Python en segundo plano, es increíble tener tanto...
Con Dataflow, puedo, con solo tocar un botón, encender cientos de computadoras trabajando en conjunto para realizar una tarea que me habría llevado horas en mi portátil en cuestión de minutos. Hago esto con prácticamente cero comprensión de la tecnología...
El mayor inconveniente de la plataforma Lakehouse es su velocidad. No cumple con el rendimiento prometido. Además, la interfaz de usuario de Databricks no es fácil de usar. Se siente como si fuera una aplicación de smartphone. En el lado de la tecnología,...
Todavía no he encontrado nada que me desagrade de esta plataforma.