Apache Arrow Vor- und Nachteile

so freundlich, erstaunlich, hilfsbereit, so einfach zu bedienen Bewertung gesammelt von und auf G2.com gehostet.

müssen einfacher für Anfänger sein, Anweisungen müssen hilfreicher sein Bewertung gesammelt von und auf G2.com gehostet.

Datenkompression und Leistung von Abfragen. Sprachübergreifende Kompatibilität Bewertung gesammelt von und auf G2.com gehostet.

Noch nicht bereit für umfassende Unternehmensanalysen. Bewertung gesammelt von und auf G2.com gehostet.

Die Handhabung von großen Datenmengen ist sehr einfach geworden. Die Integration mit den verschiedenen Plattformen ist sehr einfach. Wie mit Amazon EC2-Instanzen. Bewertung gesammelt von und auf G2.com gehostet.

Ich fühle, dass das Produkt mehr Optimierung benötigt, es hinkt in der Leistung hinterher. Die Dokumentationsarbeit ist nicht auf dem neuesten Stand, an einem bestimmten Punkt wird es schwer zu folgen. Bewertung gesammelt von und auf G2.com gehostet.

Die Integration mit den Tools von Drittanbietern wurde so einfach wie die Amazon Elastic Compute Cloud. Bewertung gesammelt von und auf G2.com gehostet.

Ich kann der Dokumentation nicht folgen. Daher sind einige Funktionen sehr komplex zu verstehen. Bewertung gesammelt von und auf G2.com gehostet.

Man kann Hochgeschwindigkeitsalgorithmen durch dieselben Analyse-Workloads erstellen. Es funktioniert auch hervorragend mit AWS EC2-Instanzen. Es kollaboriert mit Datenwissenschafts- und Datenbankgemeinschaften in einem offenen Standard-Speicherformat. Unterstützt die meisten der häufig verwendeten Sprachen, sei es R, C, C++, Java oder Perl bis Python. Keine Sorge bei großen Datensätzen, Apache Arrow hat es für Sie abgedeckt! Bewertung gesammelt von und auf G2.com gehostet.

Trotz der besten Effizienz hätte die Zeitkomplexität verbessert werden können. Es sollte mehr Programmiersprachen sowie Datenbanksprachen einbeziehen. Bewertung gesammelt von und auf G2.com gehostet.

Das Speicherlayout, das innerhalb von Apache verwendet wird, ist Standards über anderen verfügbaren Optionen. Nicht nur das, sondern dieses Speicherlayout ist auch mit verschiedenen Programmiersprachen nutzbar. Einer der häufigen Konkurrenten, Spark SQL, hat nicht die Fähigkeit, mit Python verwendet zu werden, was essenziell ist, wenn man Datenservice-Software im Bereich maschinelles Lernen und künstliche Intelligenz einsetzt. Diese Fähigkeit hebt es deutlich über seine Konkurrenten hinaus. Auch der Installationsprozess ist um Längen einfacher als bei den existierenden Konkurrenten. All dies nennt nur einige der tatsächlich vielen Funktionen, die in dieser Software enthalten sind und die im Vergleich zu anderer Software von unschätzbarem Wert sind. Ein erstaunliches Merkmal ist ihr Kundenservice sowie die Anleitungen, die sie zusammen mit der Software bereitstellen. Es ist einfacher sicherzustellen, dass man das Richtige tut oder neue Dinge zu lernen, wenn man diese Software verwendet, dank der bereitgestellten Tutorials und Anleitungen. Bewertung gesammelt von und auf G2.com gehostet.

Das, was ich an dieser Software am meisten nicht mag, ist, dass die Lernkurve ziemlich intensiv ist, wenn man neu im System ist. Sobald man es versteht, ist es jedoch extrem einfach zu benutzen, aber das erste bisschen kann für Anfänger herausfordernd sein, um den Dreh rauszubekommen. Bewertung gesammelt von und auf G2.com gehostet.

Bringen Sie Datenbank- und Data-Science-Communities zusammen, um in der Technologie-Ära zusammenzuarbeiten. Offener Standard im Speicherformat. Es unterstützt Sprachen wie C, C++, Java, Perl und Python sowie R Studio. Erstellen Sie sehr schnelle Algorithmen. Es ist der Hauptfunktionsteil von Big Data Hadoop, der vollständig auf komplexen Algorithmen und großen Datenstrukturen basiert. Es hilft beim Big Data-Transfer. Die Apache Hadoop-Community etabliert sich mit dem Pfeil, um den Pfeil zur Spaltenstruktur für Speicherverarbeitung und Austausch zu senken. Bewertung gesammelt von und auf G2.com gehostet.

Die meisten haben die Datenbanksprache und verschiedene Arten von Programmiersprachen. Komplexität, mehr Unterstützung für technische Sprache erforderlich. Und es unterstützt schwach die kategorialen Daten und kein Abfrageplanung und eifrige Bewertungsmodell. Bewertung gesammelt von und auf G2.com gehostet.

Als ich die Ergebnisse von Apache Arrow mit HDF5 verglich, funktioniert Arrow am besten für die Verarbeitung großer Datensätze, insbesondere in AWS EC2-Instanzen. Für die Arbeit mit spaltenbasierter Datenspeicherung bietet Arrow die beste Effizienz für Berechnungen. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl es die beste Effizienz bei Out-of-Core-Berechnungen wie Beschreiben und Zählen hat, funktioniert es nicht am besten für Groupby-Berechnungen, die In-Memory-Berechnungen beinhalten. Bewertung gesammelt von und auf G2.com gehostet.

Das Layout ermöglicht eine Optimierung mit Single Instruction Multiple Data. Wir können sehr schnelle Algorithmen erstellen, indem wir dieselben Analyse-Workloads gleichzeitig auf mehreren Datenpunkten ausführen. Bewertung gesammelt von und auf G2.com gehostet.

Hohe Lernkurve.

Komplexität

mehr Dokumentation.

mehr Entwicklerunterstützung. Bewertung gesammelt von und auf G2.com gehostet.

Es unterstützt mehrere Sprachen. Die Einrichtung wurde unkompliziert. Bewertung gesammelt von und auf G2.com gehostet.

Dokumentation ist nicht sehr informativ. Sie sollten einige Beispiele geben. Bewertung gesammelt von und auf G2.com gehostet.