Was ist in JetBrains Datalore enthalten?

Jupyter-Notebooks – Bearbeiten und Ausführen nativer .ipynb-Dateien.
Mehrsprachige Kernel – Python, SQL, R, Scala und Kotlin.
SQL-Zellen – Abfragen an verbundene Datenbanken direkt in den Notebooks.
Interaktive Berichte – Veröffentlichen Sie Notebooks als gemeinsam nutzbare interaktive Berichte.
Kernfunktionen – Fünf Notebook-Sprachen mit Zusammenarbeit in Echtzeit.
Wichtig – Browserbasierte Plattform; keine Offline-Desktop-App.

Was sind die wichtigsten Vorteile von JetBrains Datalore?

Datalore ist die kollaborative, Jupyter-kompatible Data-Science-Plattform von JetBrains zum Erstellen, Ausführen und Teilen von Notebooks in der Cloud oder als selbst gehostete Lösung vor Ort. Sie kombiniert Programmierunterstützung auf PyCharm-Niveau mit verwalteten CPU- und GPU-Rechnern, nativen Datenbankabfragen und der Veröffentlichung von Berichten mit einem Klick.

Echtzeit-Zusammenarbeit – Mehrere Benutzer bearbeiten ein Notebook gleichzeitig.
Verwaltete Rechenleistung – Führen Sie Code auf Cloud-CPUs und -GPUs aus.
Datalore AI – Generiert und korrigiert Python-, SQL- und R-Code.
Datenbankanbindung – Native SQL-Zellen fragen verbundene Quellen ab.
PyCharm Code Insight – Code-Vervollständigung, Refactorings und Schnellkorrekturen während des Programmierens.
Option zum Selbsthosting – Bei der On-Premises-Nutzung verbleiben die Daten in Ihrer Infrastruktur.

Was leistet JetBrains Datalore?

Datalore ist eine cloudbasierte und selbst hostbare Plattform für die Arbeit mit Jupyter-Notebooks in Python, SQL, R, Scala und Kotlin. Es führt Ihren Code auf von JetBrains verwalteten CPU- und GPU-Rechnern aus, sodass rechenintensive Datenverarbeitung oder Modelltraining nicht von Ihrem lokalen Laptop abhängen. Mit nativen SQL-Zellen können Sie eine verbundene Datenbank abfragen und das Ergebnis direkt in einen pandas-DataFrame im selben Notebook übertragen. Anschließend können Sie das Notebook als interaktiven Bericht oder als Daten-App veröffentlichen und per Link teilen, wobei die Code-Zellen für Betrachter ausgeblendet bleiben.

Für wen eignet sich JetBrains Datalore am besten?

Datalore eignet sich für Datenteams, die eine gemeinsame Notebook-Umgebung wünschen, anstatt dass jeder Analyst eine eigene lokale Jupyter-Konfiguration unterhält. Da Arbeitsbereiche Notebooks, Daten und Umgebungen zusammenfassen, werden die Probleme mit Versionsinkonsistenzen beseitigt, die auftreten, wenn Kollegen Pakete individuell installieren. Der integrierte Paketmanager fixiert Abhängigkeiten, sodass ein Notizbuch mit derselben Umgebung wieder geöffnet wird – was für reproduzierbare Analyseübergaben wichtig ist. Teams mit strengen Anforderungen an den Datenaufbewahrungsort können die identische Plattform über die On-Premises-Edition auf ihren eigenen Servern ausführen.

Wie unterscheiden sich die Tarife „Datalore Cloud Free“, „Cloud“ und „On-Premises“?

Die drei Editionen verfügen über denselben Notebook-Editor, unterscheiden sich jedoch hinsichtlich Rechenleistung, KI und Freigaberechten. „Cloud Free“ lässt bis zu zwei Notebooks parallel laufen, ermöglicht die Freigabe von Notebooks und Arbeitsbereichen mit Lesezugriff und schließt Datalore AI, Versionshistorie sowie GPU-Rechner aus. Der kostenpflichtige Cloud-Tarif bietet zusätzlich Datalore-KI, den Reactive-Modus, eine unbegrenzte Anzahl paralleler und zeitgesteuerter Notebooks, Versionshistorie sowie Zugriff auf leistungsstarke CPU- und GPU-Maschinen. On-Premises (früher „Enterprise“ genannt) schaltet alle Funktionen frei und bietet zusätzlich eine Verwaltungsoberfläche sowie SSO, sodass Sie die gesamte Plattform auf Ihrer eigenen Infrastruktur hosten können.

Was fehlt im Datalore Cloud Free-Tarif?

Im „Cloud Free“-Tarif ist die Freigabe von Notizbüchern und Arbeitsbereichen auf Lesezugriff beschränkt, sodass Mitwirkende Ihre Notizbücher erst bearbeiten können, wenn Sie auf einen kostenpflichtigen Cloud-Tarif umsteigen. Der kostenlose Tarif schließt außerdem Datalore AI, den Versionsverlauf, den reaktiven Modus, geplante Ausführungen und GPU-Maschinen aus und beschränkt Sie auf zwei parallel ausgeführte Notizbücher. Keine Edition enthält eine Offline-Desktop-Anwendung – Datalore läuft immer im Browser, auch bei selbst gehosteten Instanzen über „On-Premises“. Wenn Ihr Team bearbeitbare Zusammenarbeit oder KI-gestützte Codegenerierung benötigt, reicht „Cloud Free“ nicht aus.

Welche Sprachen, Datenbanken und Dateiformate unterstützt Datalore?

Datalore-Notebooks unterstützen Python, SQL, R, Scala und Kotlin und lesen sowie schreiben Standard-`.ipynb`-Dateien, um die Portabilität mit Jupyter zu gewährleisten. Native SQL-Zellen stellen eine Verbindung zu Datenbanken wie PostgreSQL, MySQL, Microsoft SQL Server, Snowflake, BigQuery und Redshift her, wobei die Abfrageergebnisse direkt in pandas fließen. Sie können Cloud-Speicher wie Amazon S3 einbinden und Git-Repositorys an ein Notebook anhängen, um benutzerdefinierte pip-kompatible Pakete zu installieren. Die Visualisierung funktioniert mit matplotlib, plotly, altair, seaborn und lets-plot sowie mit integrierten Linien-, Balken-, Flächen- und Korrelationsdiagrammen.

Was sollten Nutzer prüfen, bevor sie sich für JetBrains Datalore entscheiden?

Stellen Sie sicher, ob Sie bearbeitbare Zusammenarbeit, Datalore AI oder GPU-Rechenleistung benötigen, da für alle drei Funktionen der kostenpflichtige Cloud-Tarif anstelle von „Cloud Free“ erforderlich ist. Wenn Ihr Unternehmen Daten innerhalb des eigenen Netzwerks aufbewahren muss, planen Sie die On-Premises-Edition ein, die zudem SSO über SAML, Okta oder Azure AD ermöglicht. Stellen Sie sicher, dass die von Ihrem Team verwendeten Datenbanken in der Liste der nativen Konnektoren von Datalore aufgeführt sind, da jede Verbindung pro Arbeitsbereich konfiguriert wird. Denken Sie schließlich daran, dass die Plattform browserbasiert ist und daher keine lokale Desktop-IDE wie PyCharm ersetzt.

Häufig gestellte Fragen zu JetBrains Datalore

Ist JetBrains Datalore mit bestehenden Jupyter-Notebooks kompatibel?

Ja. Datalore importiert und exportiert standardmäßige .ipynb-Dateien und bietet einen Jupyter-Berechnungsmodus, sodass bestehende Notebooks ohne Konvertierung geöffnet werden können. Im kostenpflichtigen Cloud-Tarif können Sie ein Notebook außerdem in den reaktiven Modus umschalten, um Zellen automatisch auf Basis von Abhängigkeiten erneut auszuführen.

Gewährleistet Datalore den Datenschutz und die Einhaltung gesetzlicher Vorschriften?

Der Cloud-Dienst von Datalore ist DSGVO-konform und nach SOC 2 Typ II zertifiziert. Für eine strengere Kontrolle hostet die On-Premises-Edition Notebooks und Daten vollständig auf Ihrer eigenen Infrastruktur und unterstützt SSO über SAML, Okta und Azure AD.

Kann Datalore eine Verbindung zu Git-Repositorys herstellen?

Ja. Sie können einen Git-Zweig an ein Notebook anhängen, um ein benutzerdefiniertes pip-kompatibles Paket zu installieren, und der Inhalt des Arbeitsbereichs kann mit Git-Repositorys synchronisiert werden, um versionierte Backups zu erstellen und die Zusammenarbeit mit Entwicklungsteams zu ermöglichen.