Comparer AWS Data PipelineetAzure Data Factory 
- Les utilisateurs rapportent que AWS Data Pipeline excelle dans ses capacités d'extraction, avec un score de 9,1, permettant une intégration transparente avec diverses sources de données. En revanche, Azure Data Factory performe également bien dans ce domaine mais est reconnu pour ses fonctionnalités de transformation supérieures, avec un score de 9,3, ce que les critiques disent améliorer la manipulation et la préparation des données.
- Les critiques mentionnent que la facilité de configuration d'Azure Data Factory est un avantage significatif, avec un score de 9,0 comparé au score plus bas de 6,9 pour AWS Data Pipeline. Les utilisateurs sur G2 apprécient l'interface intuitive et le processus d'intégration simplifié d'Azure Data Factory, le rendant plus accessible pour les nouveaux utilisateurs.
- Les utilisateurs de G2 soulignent les capacités d'automatisation de AWS Data Pipeline, avec un score de 9,2, qui permet une planification et une exécution efficaces des flux de travail de données. Cependant, les utilisateurs rapportent que les fonctionnalités d'automatisation d'Azure Data Factory sont plus robustes, notamment avec son intégration de déclencheurs et d'outils de surveillance, conduisant à une satisfaction globale plus élevée.
- Les critiques mentionnent que la qualité du support pour Azure Data Factory est mieux notée à 8,8 comparé à 8,3 pour AWS Data Pipeline. Les utilisateurs apprécient la réactivité et l'utilité de l'équipe de support d'Azure, ce qu'ils disent contribuer à une meilleure expérience globale lors de la résolution de problèmes.
- Les utilisateurs disent que l'évolutivité de AWS Data Pipeline est impressionnante, avec un score de 9,3, permettant aux entreprises de gérer efficacement de grands volumes de données. Cependant, Azure Data Factory est souvent loué pour sa flexibilité à faire évoluer les ressources de manière dynamique, ce que les critiques mentionnent comme crucial pour s'adapter aux charges de travail de données changeantes.
- Les critiques rapportent que la direction du produit pour Azure Data Factory est très bien notée à 9,8, indiquant une forte confiance dans son développement futur et ses améliorations de fonctionnalités. En revanche, le score plus bas de 6,1 pour AWS Data Pipeline suggère une certaine incertitude parmi les utilisateurs concernant sa feuille de route à long terme et ses mises à jour.
AWS Data Pipeline vs Azure Data Factory
Lors de l'évaluation des deux solutions, les examinateurs ont trouvé Azure Data Factory plus facile à utiliser, à configurer et à administrer. Les examinateurs ont également préféré faire des affaires avec Azure Data Factory dans l'ensemble.
- Les évaluateurs ont estimé que Azure Data Factory répond mieux aux besoins de leur entreprise que AWS Data Pipeline.
- En comparant la qualité du support produit continu, les évaluateurs ont estimé que Azure Data Factory est l'option préférée.
- Pour les mises à jour des fonctionnalités et les feuilles de route, nos évaluateurs ont préféré la direction de Azure Data Factory à AWS Data Pipeline.
Le pipeline de données s'intègre très bien avec EMR, et il est facile de déployer des pipelines via CloudFormation, ce qui rend l'automatisation possible. Nous l'utilisons pour gérer des flux de travail MapReduce complexes et cela fonctionne généralement de...
Il devrait vraiment être repensé car un blob JSON est une façon terrible d'organiser les tâches SQL. Pourquoi les choses ne peuvent-elles pas être programmées comme un calendrier ou une demande de réunion ?
Les meilleures fonctionnalités selon moi sont l'intégration de données hybrides, le déplacement de données, l'orchestration et la planification, ainsi que l'intégration avec d'autres services Azure.
Parfois, il devient difficile de comprendre les erreurs à cause desquelles le pipeline de données échoue. Même après avoir cherché sur Internet, cela n'aide pas, donc peut-être que le message d'erreur peut être amélioré, ce qui aide les utilisateurs à...
Le pipeline de données s'intègre très bien avec EMR, et il est facile de déployer des pipelines via CloudFormation, ce qui rend l'automatisation possible. Nous l'utilisons pour gérer des flux de travail MapReduce complexes et cela fonctionne généralement de...
Les meilleures fonctionnalités selon moi sont l'intégration de données hybrides, le déplacement de données, l'orchestration et la planification, ainsi que l'intégration avec d'autres services Azure.
Il devrait vraiment être repensé car un blob JSON est une façon terrible d'organiser les tâches SQL. Pourquoi les choses ne peuvent-elles pas être programmées comme un calendrier ou une demande de réunion ?
Parfois, il devient difficile de comprendre les erreurs à cause desquelles le pipeline de données échoue. Même après avoir cherché sur Internet, cela n'aide pas, donc peut-être que le message d'erreur peut être amélioré, ce qui aide les utilisateurs à...
