这个问题非常直白。何时应该使用 Azure ML Notebooks 与 Azure Databricks？我觉得这两款产品有很大的重叠之处，而且其中一个的市场推广明显比另一个要好..
我主要想了解关于数据集大小和典型工作流程的信息。如果我的工作流程不是基于 Spark 的，我为什么要选择 Databricks 而不是 AzureML？
谢谢！
回答：
@隐藏人名，从我的角度来看，以下是主要的区别：
-
数据分布：
- Azure ML Notebooks 在单机上训练有限数据时表现良好。虽然 Azure ML 提供了训练集群，但在节点间的数据分布需要在代码中处理。
- Azure Databricks 通过其 RDDs 设计用于处理分布在多个节点上的数据。当你的数据量巨大时，这非常有优势。如果数据量较小，且能在一个扩展后的单机上处理/你使用的是 pandas 数据框，那么使用 Azure Databricks 就有些大材小用了
-
数据清理：Databricks 可以原生支持多种文件格式，查询和清理大型数据集非常容易，而在 AzureML 笔记本中这些需要定制处理。虽然这可以在 aml 笔记本上完成，但清理和写入存储需要单独处理。
- 训练：两者都具备分布式训练的能力，Databricks 提供了内置的机器学习算法，可以在该节点上的数据块上操作，并与其他节点协调。虽然这在 AzureMachineLearning 和 Databricks 上都可以通过 tf、horovod 等实现，
总的来说（仅代表个人观点），如果数据集较小，aml 笔记本就很好。如果数据量巨大，那么 Azure Databricks 在数据清理和格式转换方面更容易。然后训练可以在 AML 或 Databricks 上进行。尽管 Databricks 有一定的学习曲线，而 Azure ML 使用 Python 和 pandas 会更简单。
谢谢。
