Bei der Bewertung der beiden Lösungen fanden Rezensenten Databricks Data Intelligence Platform einfacher zu verwenden. Jedoch empfanden Rezensenten, dass Google Cloud BigQuery einfacher zu verwalten und Geschäfte zu machen ist. Schließlich empfanden Rezensenten, dass die Produkte gleich einfach einzurichten sind.
Eine großartige Erfahrung, die ML-Runtimes - MLFlow und Spark - kombiniert. Die Möglichkeit, Python und SQL nahtlos auf einer Plattform zu verwenden. Da Databricks-Notebooks im Hintergrund als Python-Skripte gespeichert werden können, ist es erstaunlich,...
Der größte Schwachpunkt der Lakehouse-Plattform ist ihre Geschwindigkeit. Sie erfüllt nicht die versprochene Leistung. Darüber hinaus ist die Databricks-Benutzeroberfläche nicht benutzerfreundlich. Es fühlt sich an wie eine Smartphone-App. Auf der...
Datenantrieb, Analytik, Integration, Datenerfahrungen
partitioning only works with date. Join statements don't optimize even trivially without using where clause clauses. from table1 join table2 on table1.a=table2.a and table1.a=123 takes more resources and cost than from table1 ...
Eine großartige Erfahrung, die ML-Runtimes - MLFlow und Spark - kombiniert. Die Möglichkeit, Python und SQL nahtlos auf einer Plattform zu verwenden. Da Databricks-Notebooks im Hintergrund als Python-Skripte gespeichert werden können, ist es erstaunlich,...
Datenantrieb, Analytik, Integration, Datenerfahrungen
Der größte Schwachpunkt der Lakehouse-Plattform ist ihre Geschwindigkeit. Sie erfüllt nicht die versprochene Leistung. Darüber hinaus ist die Databricks-Benutzeroberfläche nicht benutzerfreundlich. Es fühlt sich an wie eine Smartphone-App. Auf der...
partitioning only works with date. Join statements don't optimize even trivially without using where clause clauses. from table1 join table2 on table1.a=table2.a and table1.a=123 takes more resources and cost than from table1 ...