DBMS > Amazon Aurora vs. Apache Pinot vs. Apache Spark (SQL)

Vergleich der Systemeigenschaften Amazon Aurora vs. Apache Pinot vs. Apache Spark (SQL)

Bitte wählen Sie ein weiteres System aus, um es in den Vergleich aufzunehmen.

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

MySQL und PostgreSQL kompatibles RDBMS Cloud-Service von Amazon

Realtime distributed OLAP datastore, designed to answer OLAP queries with low latency

Apache Spark SQL ist ein Spark-Modul für die Verarbeitung strukturierter Daten

Primäres Datenbankmodell

Relational DBMS

Sekundäre Datenbankmodelle

Document Store

DB-Engines Ranking misst die Popularität von Datenbankmanagement- systemen
Trend Chart

Punkte	8,18
Rang	#44	Overall
	#28	Relational DBMS

Punkte	0,34
Rang	#275	Overall
	#128	Relational DBMS

Punkte	16,73
Rang	#35	Overall
	#20	Relational DBMS

Website

aws.amazon.com/rds/aurora

pinot.apache.org

spark.apache.org/sql

Technische Dokumentation

docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/CHAP_Aurora.html

docs.pinot.apache.org

spark.apache.org/docs/latest/sql-programming-guide.html

Entwickler

Amazon

Apache Software Foundation and contributors

Apache Software Foundation

Erscheinungsjahr

2015

2014

Aktuelle Version

1.0.0, September 2023

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

Open Source

Apache 2.0

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java

Scala

Server Betriebssysteme

gehostet

All OS with a Java JDK11 or higher

Linux
OS X
Windows

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

SQL

Support of SQL

SQL-like query language

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC

JDBC
ODBC

Unterstützte Programmiersprachen

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Go
Java
Python

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

horizontal partitioning

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Wir laden Vertreter der Systemhersteller ein uns zu kontaktieren, um die Systeminformationen zu aktualisieren und zu ergänzen,
sowie um Herstellerinformationen wie Schlüsselkunden, Vorteile gegenüber Konkurrenten und Marktmetriken anzuzeigen.

Zugehörige Produkte und Dienstleistungen

Wir laden Vertreter von Anbietern von zugehörigen Produkten ein uns zu kontaktieren, um hier Informationen über ihre Angebote zu präsentieren.

Weitere Ressourcen

DB-Engines Blog Posts

Cloud-based DBMS's popularity grows at high rates
12. Dezember 2019, Paul Andlinger

The popularity of cloud-based DBMSs has increased tenfold in four years
7. Februar 2017, Matthias Gelbmann

Amazon - the rising star in the DBMS market
3. August 2015, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Amazon Aurora deep dive
9. Oktober 2024, ITPro

How a large financial AWS customer implemented high availability and fast disaster recovery for Amazon Aurora PostgreSQL using Global Database and Amazon RDS Proxy
27. September 2024, AWS Blog

How Gen replayed a database workload from Oracle to Amazon Aurora
9. Juli 2024, AWS Blog

Review your Amazon Aurora and Amazon RDS security configuration with Prowler’s new checks
6. August 2024, AWS Blog

How Infosys used Amazon Aurora zero-ETL integration with Amazon Redshift for near real-time analytics and insights
1. August 2024, AWS Blog

bereitgestellt von Google News

Build a real-time analytics solution with Apache Pinot on AWS
6. August 2024, AWS Blog

StarTree eyes observability market with Apache Pinot-based real-time engine
27. September 2024, SiliconANGLE News

Pinot for Low-Latency Offline Table Analytics
29. August 2024, Uber

Open source Apache Pinot advances as StarTree boosts real-time analytics and observability
8. Mai 2024, VentureBeat

StarTree Makes Observability Case for Apache Pinot Database
8. Mai 2024, DevOps.com

bereitgestellt von Google News

Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2024
30. September 2024, Simplilearn

Use Amazon Athena with Spark SQL for your open-source transactional table formats
24. Januar 2024, AWS Blog

What is Apache Spark? The big data platform that crushed Hadoop
3. April 2024, InfoWorld

Performant IPv4 Range Spark Joins
24. Januar 2024, Towards Data Science

Amazon EMR 7.1 runtime for Apache Spark and Iceberg can run Spark workloads 2.7 times faster than Apache Spark 3.5.1 and Iceberg 1.5.2
26. August 2024, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk