本文探讨了Azure Databricks作为Azure Data Platform的一部分，它与Azure Data Factory(ADF)的区别。Databricks是基于Spark的云服务，专注于数据处理和机器学习，而ADF更侧重于数据集成。在选择使用时，ADF适合数据集成和定时任务，而Databricks适合需要实时处理和高级功能的场景。
本文属于【Azure Data Platform】系列。
接上文：【Azure Data Platform】ETL工具(18)——ADF 迭代和条件活动（2）
这次来聊聊Azure Databricks
前言
之所以突然停下ADF的介绍转而向Azure Databricks， 是因为最近公司的项目已经呈现出ADF与Databricks的组合趋势。为了更好地运维公司的项目，有必要了解一下Databricks。并且大概介绍一下Azure Data Factory和Azure Databricks的关系。
什么是Databricks
今时今日，大数据已经不是新鲜事，也已经被大范围地使用。大数据中有一个开源引擎Spark用来支持大规模数据分析。主要通过集群，并行地进行数据处理，从而提高数据处理性能。
Databricks简单来说，就是Azure上的Spark。 它可以很容易地与Blob storage, ADLS, SQL DB, PowerBI 等工具集成
- Databricks Workspace：一个交互式的工作区，用户（主要是数据的消费者）可以通过这个工作区进行合作。
- Databricks Runtime ： 用于支持运行，提高性能。
- Databricks File System （DBFS）：类似于DataBricks的存储，但是对用户来说是一个抽象层。
它与ADF的区别
ADF主要用于从多个大规模的数据源中进行数据
最低0.47元/天 解锁文章
扫一扫
2005
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
