DBMS > Amazon Aurora vs. Badger vs. Spark SQL vs. STSdb

Vergleich der Systemeigenschaften Amazon Aurora vs. Badger vs. Spark SQL vs. STSdb

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

An embeddable, persistent, simple and fast Key-Value Store, written purely in Go.

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

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

Punkte	8,50
Rang	#49	Overall
	#31	Relational DBMS

Punkte	0,20
Rang	#325	Overall
	#49	Key-Value Stores

Punkte	19,15
Rang	#33	Overall
	#20	Relational DBMS

Punkte	0,06
Rang	#365	Overall
	#55	Key-Value Stores

Website

aws.amazon.com/rds/aurora

github.com/dgraph-io/badger

spark.apache.org/sql

github.com/STSSoft/STSdb4

Technische Dokumentation

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

godoc.org/github.com/dgraph-io/badger

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

Entwickler

Amazon

DGraph Labs

Apache Software Foundation

STS Soft SC

Erscheinungsjahr

2015

2017

2014

2011

Aktuelle Version

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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

Server Betriebssysteme

gehostet

BSD
Linux
OS X
Solaris
Windows

Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

Primitive Typen und benutzerdefinierte Klassen

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

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC

.NET Client API

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

C#
Java

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

keine

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

keine

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

University of Nebraska-Omaha's ITD Lab migrates to Amazon Aurora with Babelfish, reducing database costs | Amazon ...
8. April 2024, AWS Blog

Join the preview of Amazon Aurora Limitless Database | Amazon Web Services
27. November 2023, AWS Blog

How RocketReach stabilized Amazon Aurora costs and improved performance with Amazon Aurora I/O-Optimized ...
2. April 2024, AWS Blog

New – Amazon Aurora Optimized Reads for Aurora PostgreSQL with up to 8x query latency improvement for I/O ...
8. November 2023, AWS Blog

Knowledge Bases for Amazon Bedrock now supports Amazon Aurora PostgreSQL and Cohere embedding models ...
12. Februar 2024, AWS Blog

bereitgestellt von Google News

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

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

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

1.5 Years of Spark Knowledge in 8 Tips | by Michael Berk
23. Dezember 2023, Towards Data Science

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk