DBMS > Amazon Aurora vs. Apache Spark (SQL) vs. RDF4J

Vergleich der Systemeigenschaften Amazon Aurora vs. Apache Spark (SQL) vs. RDF4J

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

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

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

Primäres Datenbankmodell

Relational DBMS

RDF Store

Sekundäre Datenbankmodelle

Document Store

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

Punkte	8,11
Rang	#44	Overall
	#28	Relational DBMS

Punkte	17,80
Rang	#31	Overall
	#19	Relational DBMS

Punkte	0,83
Rang	#202	Overall
	#7	RDF Stores

Website

aws.amazon.com/rds/aurora

spark.apache.org/sql

rdf4j.org

Technische Dokumentation

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

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

rdf4j.org/documentation

Entwickler

Amazon

Apache Software Foundation

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Erscheinungsjahr

2015

2014

2004

Aktuelle Version

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

Eclipse Distribution License (EDL), v1.0.

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

Scala

Java

Server Betriebssysteme

gehostet

Linux
OS X
Windows

Linux
OS X
Unix
Windows

Datenschema

RDF Schemas

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 DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

Unterstützte Programmiersprachen

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

Java
Python
R
Scala

Java
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

yes, utilizing Spark Core

keine

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

ACID

Isolation abhängig vom verwendeten API

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-memory Storage wird ebenfalls unterstützt

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

Vacasa’s migration to Amazon Aurora for a more efficient Property Management System
9. Januar 2025, AWS Blog

Introducing Amazon Aurora DSQL | Amazon Web Services
3. Dezember 2024, AWS Blog

Amazon Aurora PostgreSQL Limitless Database is now generally available
31. Oktober 2024, AWS Blog

Introducing scaling to 0 capacity with Amazon Aurora Serverless v2
20. November 2024, AWS Blog

Introducing scaling up to 256 ACUs with Amazon Aurora Serverless v2
8. Oktober 2024, AWS Blog

bereitgestellt von Google News

SALE ENDS IN
14. Januar 2025, packtpub.com

Amazon EMR 7.5 runtime for Apache Spark and Iceberg can run Spark workloads 3.6 times faster than Spark 3.5.3 and Iceberg 1.6.1 | Amazon Web Services
27. Dezember 2024, AWS Blog

Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2025
12. November 2024, Simplilearn

Deep Dive Into Historical Usage-Based Scheduling with Snowpark
22. August 2024, Snowflake

Sparkle: Standardizing Modular ETL at Uber
15. August 2024, Uber

bereitgestellt von Google News

Amazon Neptune review: A scalable graph database for OLTP
13. Mai 2019, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk