Apache Arrow Avantages et Inconvénients

si amical, incroyable, utile, si facile à utiliser Avis collecté par et hébergé sur G2.com.

doit être plus facile pour les débutants, les instructions doivent être plus utiles Avis collecté par et hébergé sur G2.com.

Compression des données et performance des requêtes. Compatibilité entre langues. Avis collecté par et hébergé sur G2.com.

Pas encore prêt pour une analyse d'entreprise tout-en-un. Avis collecté par et hébergé sur G2.com.

La gestion des grandes données est devenue très facile. L'intégration avec les différentes plateformes est très facile. Comme avec les instances Amazon EC2. Avis collecté par et hébergé sur G2.com.

Je pense que le produit a besoin de plus d'optimisation, il a des retards de performance. Le travail de documentation n'est pas à la hauteur, à un certain moment, il devient difficile à suivre. Avis collecté par et hébergé sur G2.com.

L'intégration avec les outils tiers est devenue facile comme le cloud de calcul élastique d'Amazon. Avis collecté par et hébergé sur G2.com.

Je ne suis pas capable de suivre la documentation. Par conséquent, cela rend certaines fonctionnalités très complexes à comprendre. Avis collecté par et hébergé sur G2.com.

On peut créer des algorithmes à grande vitesse grâce aux mêmes charges de travail analytiques. Il fonctionne également très bien avec les instances AWS EC2. Il collabore avec les communautés de science des données et de bases de données dans un format de mémoire standard ouvert. Prend en charge la plupart des langages fréquemment utilisés, que ce soit R, c, c++, java ou perl à python. Pas besoin de s'inquiéter pour les ensembles de données volumineux, Apache Arrow s'en charge pour vous ! Avis collecté par et hébergé sur G2.com.

Malgré la meilleure efficacité, la complexité temporelle aurait pu être améliorée. Il devrait incorporer davantage de langages de programmation ainsi que de langages de base de données. Avis collecté par et hébergé sur G2.com.

La disposition de la mémoire utilisée dans Apache est supérieure aux autres choix disponibles. Non seulement cela, mais cette disposition de la mémoire est également utilisable avec différents langages de programmation. L'un des concurrents courants, Spark SQL, n'a pas la capacité d'être utilisé avec Python, ce qui est essentiel lors de l'utilisation de logiciels de service de données dans l'apprentissage automatique et l'intelligence artificielle. Cette capacité le place largement au-dessus de ses concurrents. De plus, le processus d'installation est bien plus simple que celui de ses concurrents existants. Tout cela ne nomme que quelques-unes des nombreuses fonctionnalités réelles incluses dans ce logiciel qui sont extrêmement précieuses par rapport à d'autres logiciels. Une caractéristique étonnante est leur service client ainsi que les guides qu'ils fournissent avec le logiciel. Il est plus facile de s'assurer que vous faites la bonne chose ou d'apprendre de nouvelles choses en utilisant ce logiciel grâce aux tutoriels et guides qu'ils ont fournis. Avis collecté par et hébergé sur G2.com.

La chose que je déteste le plus à propos de ce logiciel est que la courbe d'apprentissage est assez intense si vous êtes nouveau dans le système. Une fois que vous le comprenez, il est extrêmement facile à utiliser, cependant, ce premier petit bout peut être difficile à maîtriser pour les débutants. Avis collecté par et hébergé sur G2.com.

Rassembler les communautés de bases de données et de science des données pour collaborer à l'ère technologique. Format en mémoire à norme ouverte. Il prend en charge des langages comme C, C++, Java, Perl et Python et R Studio. C'est la partie fonctionnelle principale de Big Data Hadoop qui est entièrement basée sur des algorithmes complexes et une structure de données massive. Il aide au transfert de Big Data. La communauté Apache Hadoop s'établit avec la flèche vers le bas vers la structure en colonnes pour le traitement et l'échange en mémoire. Avis collecté par et hébergé sur G2.com.

La plupart ont le langage de base de données et différents types de langages de programmation. Complexité, besoin de plus de support sur le langage technique. Et il prend faiblement en charge les données catégorielles et n'a pas de planification de requêtes ni de modèle d'évaluation anticipée. Avis collecté par et hébergé sur G2.com.

En comparant les résultats d'Apache Arrow à HDF5, Arrow fonctionne le mieux pour gérer d'énormes ensembles de données, en particulier dans les instances AWS EC2. Pour travailler avec le stockage de données basé sur des colonnes, Arrow offre la meilleure efficacité pour effectuer des calculs. Avis collecté par et hébergé sur G2.com.

Bien qu'il ait la meilleure efficacité dans les calculs hors cœur comme décrire et compter, il ne fonctionnerait pas au mieux pour le calcul groupby qui implique des calculs en mémoire. Avis collecté par et hébergé sur G2.com.

La disposition permet l'optimisation des données multiples à instruction unique.

Nous pouvons créer des algorithmes très rapides en effectuant les mêmes charges de travail analytiques sur plusieurs points de données simultanément. Avis collecté par et hébergé sur G2.com.

Courbe d'apprentissage élevée.

complexité

plus de documentation.

plus de soutien aux développeurs Avis collecté par et hébergé sur G2.com.

Il prend en charge plusieurs langues. L'installation est devenue simple. Avis collecté par et hébergé sur G2.com.

Le document d'orientation n'est pas très informatif. Ils devraient donner quelques exemples. Avis collecté par et hébergé sur G2.com.