Dinos cómo podemos ayudarte

Ventas y precios

Habla con un representante sobre las necesidades de tu empresa

Contacto con Ventas

Ayuda y soporte

Consulta nuestras opciones de soporte de productos

Contacto con Soporte

Consultas generales y ubicaciones

Contáctanos

Destinos populares

Usamos herramientas de IA para ayudar a que nuestro contenido esté disponible en varios idiomas. Debido a que estas traducciones son automatizadas, puede haber algunas variaciones entre la versión en inglés y las versiones traducidas. La versión en inglés de este contenido es la versión oficial. Contacta a BMC para hablar con un experto que pueda responder cualquier pregunta que tengas.

Problemas comunes de flujo de trabajo

¿Esto suena a tu semana?

No son casos extremos. Son las condiciones normales de operación para equipos que ejecutan trabajos de AWS Glue DataBrew en múltiples herramientas. Así es como Control-M maneja cada uno.

UPSTREAM DELAYS

Tu trabajo en DataBrew comienza. El conjunto de datos fuente sigue sin estar listo.

DataBrew depends on clean, available data before recipes can run. Control-M validates upstream dependencies—including file arrivals, Glue crawlers, ETL jobs, and database loads—before launching DataBrew, preventing failed executions and unnecessary reruns.

FAILED PREPARATION

Una receta falló de la noche a la mañana. De todos modos, la analítica aguas abajo seguía funcionando.

Control-M detects DataBrew job exit states immediately, stops dependent workflows from executing on incomplete or invalid data, triggers configurable retries or remediation workflows, and resumes downstream processing only after successful completion.

CROSS-SERVICE FLOWS

Terminó DataBrew. Glue, Athena y Redshift nunca recibieron la entrega.

Control-M orchestrates dependencies across AWS services and external platforms, automatically triggering downstream Glue jobs, Athena queries, Amazon Redshift loads, APIs, or third-party tools without polling, custom scripting, or manual intervention.

SLA PRESSURE

Se está acercando la fecha límite del panel de control de la mañana. Nadie sabe qué se retrasa.

Control-M continuously tracks workflow progress across the entire pipeline, predicts SLA breaches before they occur, alerts the right teams, and provides end-to-end visibility so issues can be resolved before business users are affected.

MANUAL RECOVERY

Un trabajo fallido de DataBrew desencadenó horas de investigación manual.

Instead of restarting jobs manually and checking dependencies one by one, Control-M automates recovery using configurable retry policies, conditional logic, notifications, and dependency-aware restart capabilities, dramatically reducing operational effort and recovery time.

DATOS DE INTEGRACIÓN

Control-M + AWS Glue DataBrew

workload.types

Data preparation recipes · profile jobs · data quality validation · dataset transformations · schema discovery · batch data preparation · scheduled DataBrew jobs

trigger.type

Amazon S3 file arrival · time schedule · upstream AWS Glue job completion · REST API call · Control-M workflow completion · job exit code

cross_tool.deps

AWS Glue ETL jobs · AWS Glue Crawlers · Amazon S3 · Amazon Athena · Amazon Redshift · AWS Lambda · Amazon EMR · Apache Spark · REST API workflows

cloud.platforms

AWS Glue ETL jobs · AWS Glue Crawlers · Amazon S3 · Amazon Athena · Amazon Redshift · AWS Lambda · Amazon EMR · Apache Spark · REST API workflows

error_handling

configurable retry count · retry interval · exit-code evaluation · downstream cascade prevention · automated recovery workflows · SLA pre-breach alert · PagerDuty integration · Communication Suite alerts (Teams, Slack, Telegram, WhatsApp)

throughput

batch processing up to 50 simultaneous jobs per Agent · scheduled data preparation · large-scale dataset transformation · parallel recipe execution · event-driven orchestration · enterprise-scale workflow automation

observability

job-level audit log · end-to-end workflow monitoring · SLA tracking with breach prediction · dependency lineage visualization · Datadog integration

Orquestación de extremo a extremo

Un flujo de trabajo de producción. Todas las herramientas de la pila.

Control-M orquesta flujos de trabajo en AWS Glue DataBrew, Amazon S3, AWS Glue, Amazon Athena, Amazon Redshift, AWS Lambda, Apache Spark y servicios en la nube en un único flujo de trabajo, con seguimiento de dependencias, visibilidad SLA y recuperación automatizada en todos ellos.

  • Dependencia entre herramientas: Amazon S3 → AWS Glue Crawler → AWS Glue DataBrew → AWS Glue ETL → Amazon Athena → Amazon Redshift
  • Disparadores conscientes de datos: llegada de archivos, finalización de trabajos con Glue, finalización de trabajos DataBrew, evento de API
Ver todas las integraciones

AWS Glue DataBrew 

Recipe execution · job scheduling · dependency orchestration · status monitoring · automated recovery

Amazon S3 

File arrival detection · dataset validation · event-driven triggers · secure data handoff

AWS Glue 

ETL job orchestration · crawler completion detection · workflow sequencing · dependency management

Amazon Athena 

Query execution trigger · downstream dependency control · scheduled analytics workflows · completion monitoring

Amazon Redshift 

Data warehouse load orchestration · post-load validation · analytics workflow coordination · SLA tracking

AWS Lambda

Serverless function execution · event-driven automation · API integration · conditional workflow logic

Apache Spark / Amazon EMR 

Spark job orchestration · cluster workflow coordination · dependency tracking · automated restart and recovery

Coexistencia del flujo de aire

Control-M no reemplaza a los DAGs de flujo de aire. Corre la capa que está encima de ellos.

La objeción está común: "Ya estamos en Airflow." El problema no es lo que hace Airflow, sino lo que ocurre antes y después de que funcione Airflow. Ahí es donde los Pipelines realmente fallan.

El flujo de aire gestiona su DAG. Control-M gestiona todo lo que lo rodea.

airflow handles

Orquestación a nivel DAG dentro de la tubería de datos

  • DAG-level task orchestration within data pipelines
  • Python operators, sensors, and task dependencies
  • Execution graph for jobs that run inside your pipeline
  • Manages retries within a single DAG context

control-m adds

La capa de coordinación alrededor de tus DAGs

  • Coordination layer around DAGs - triggers Airflow based on upstream conditions: file arrivals, API events, other tool completions
  • Tracks each DAG’s SLA contribution across the full end-to-end workflow, not just its own routine
  • Manages failure recovery when upstream dependencies fail before Airflow even starts
  • Existing DAGs don’t need to be rewritten or migrated

supervisa Pipelines

Supervisa los flujos de trabajo de AWS Glue DataBrew desde una vista operativa.

AWS Glue DataBrew proporciona visibilidad sobre trabajos individuales de recetas, pero no sobre el flujo de trabajo completo de producción que abarca dependencias aguas arriba y consumidores aguas abajo. Control-M ofrece monitorización centralizada a lo largo de todo el ciclo de vida de la orquestación, permitiendo a los equipos de operaciones identificar rápidamente problemas y mantener Pipelines de datos fiables:

  • Estado del flujo de trabajo de extremo a extremo

  • Historial de ejecución de trabajos en DataBrew

  • Dependencias aguas arriba y aguas abajo

  • Predicción de la brecha de SLA

  • Alertas y notificaciones centralizadas

    Panel de control de monitorización Control-M que muestra trabajos de AWS Glue DataBrew junto con eventos upstream S3, flujos de trabajo AWS Glue y trabajos de análisis downstream con relaciones de dependencias y estado SLA.

GARANTÍA DE LA SLA

Mantén AWS Glue DataBrew Pipelines funcionando según lo previsto.

La preparación tardía de los datos puede interrumpir los flujos de trabajo de analítica, informes y aprendizaje automático posteriores. Control-M monitoriza continuamente el progreso de la ejecución, predice riesgos de SLA antes de que se son incumplan los plazos y automatiza las acciones de recuperación para mantener los datos críticos Pipelines movimiento sin intervención manual:

  • Monitorización predictiva de SLA

  • Políticas de reintento automatizadas

  • Recuperación consciente de la dependencia

  • Ejecución condicional de flujo de trabajo

  • Alertas operativas en tiempo real

    Panel de control SLA que destaca una línea temporal del flujo de trabajo de DataBrew, indicadores predichos de brechas SLA, acciones automatizadas de recuperación y estado de dependencia aguas abajo.

Documentation
Integrating AWS Glue DataBrew and Control-M

Poner orden en flujos de trabajo complejos

Conoce cómo Control-M ayuda a los equipos a orquestar procesos complejos con mayor visibilidad, coordinación y control.

Programa una consulta Comienza una demostración autoguiada