DBMS > Amazon Aurora vs. GridDB vs. InfluxDB vs. RDF4J vs. Spark SQL
Vergleich der Systemeigenschaften Amazon Aurora vs. GridDB vs. InfluxDB vs. RDF4J vs. Spark SQL
| Redaktionelle Informationen bereitgestellt von DB-Engines | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Name | Amazon Aurora Xaus Vergleich ausschliessen | GridDB Xaus Vergleich ausschliessen | InfluxDB Xaus Vergleich ausschliessen | RDF4J  formerly known as Sesame Xaus Vergleich ausschliessen | Spark SQL Xaus Vergleich ausschliessen | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kurzbeschreibung | MySQL und PostgreSQL kompatibles RDBMS Cloud-Service von Amazon | Scalable in-memory time series database optimized for IoT and Big Data | DBMS for storing time series, events and metrics | RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert. | Spark SQL ist ein Spark-Modul für die Verarbeitung strukturierter Daten | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Primäres Datenbankmodell | Relational DBMS | Time Series DBMS | Time Series DBMS | RDF Store | Relational DBMS | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Sekundäre Datenbankmodelle | Document Store | Key-Value Store Relational DBMS | Spatial DBMS with GEO package | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Website | aws.amazon.com/rds/aurora | griddb.net | www.influxdata.com/products/influxdb-overview | rdf4j.org | spark.apache.org/sql | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Technische Dokumentation | docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/CHAP_Aurora.html | docs.griddb.net | docs.influxdata.com/influxdb | rdf4j.org/documentation | spark.apache.org/docs/latest/sql-programming-guide.html | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Entwickler | Amazon | Toshiba Corporation | Since 2016 officially forked into an Eclipse project, former developer was Aduna Software. | Apache Software Foundation | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Erscheinungsjahr | 2015 | 2013 | 2013 | 2004 | 2014 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Aktuelle Version | 5.1, August 2022 | 2.7.5, Jaenner 2024 | 3.5.0 ( 2.13), September 2023 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Lizenz Commercial or Open Source | kommerziell | Open Source AGPL version 3 and Apache License, version 2.0 , commercial license (standard and advanced editions) also available | Open Source MIT-License; commercial enterprise version available | Open Source Eclipse Distribution License (EDL), v1.0. | Open Source Apache 2.0 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Ausschließlich ein Cloud-Service Nur als Cloud-Service verfügbar | ja | nein | nein | nein | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| DBaaS Angebote (gesponserte Links) Database as a Service Providers of DBaaS offerings, please contact us to be listed. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Implementierungssprache | C++ | Go | Java | Scala | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Server Betriebssysteme | gehostet | Linux | Linux OS X through Homebrew | Linux OS X Unix Windows | Linux OS X Windows | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Datenschema | ja | ja | schemafrei | ja RDF Schemas | ja | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Typisierung vordefinierte Datentypen, z.B. float oder date | ja | ja numerical, string, blob, geometry, boolean, timestamp | Numeric data and Strings | ja | ja | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| XML Unterstützung Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT | ja | nein | nein | nein | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Sekundärindizes | ja | ja | nein | ja | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SQL Support of SQL | ja | SQL92, SQL-like TQL (Toshiba Query Language) | SQL-like query language | nein | SQL-like DML and DDL statements | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| APIs und andere Zugriffskonzepte | ADO.NET JDBC ODBC | JDBC ODBC Proprietäres Protokoll RESTful HTTP/JSON API | HTTP API JSON over UDP | Java API RIO RDF Input/OutputSail API SeRQL Sesame RDF Query LanguageSesame REST HTTP Protocol SPARQL | 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 | C C++ Go Java JavaScript (Node.js) Perl PHP Python Ruby | .Net Clojure Erlang Go Haskell Java JavaScript JavaScript (Node.js) Lisp Perl PHP Python R Ruby Rust Scala | Java PHP Python | Java Python R Scala | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Server-seitige Scripts Stored Procedures | ja | nein | nein | ja | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Triggers | ja | ja | nein | ja | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Partitionierungsmechanismen Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten | horizontale Partitionierung | Sharding | Sharding in enterprise version only | keine | yes, utilizing Spark Core | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Replikationsmechanismen Methoden zum redundanten Speichern von Daten auf mehreren Knoten | Source-Replica Replikation | Source-Replica Replikation | frei wählbarer Replikationsfaktor in enterprise version only | keine | keine | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| MapReduce Bietet ein API für Map/Reduce Operationen | nein | Connector for using GridDB as an input source and output destination for Hadoop MapReduce jobs | nein | nein | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Konsistenzkonzept Methoden zur Sicherstellung der Konsistenz in einem verteilten System | Immediate Consistency | Immediate consistency within container, eventual consistency across containers | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Fremdschlüssel referenzielle Integrität | ja | nein | nein | nein | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Transaktionskonzept Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen | ACID | ACID at container level | nein | ACID Isolation abhängig vom verwendeten API | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Concurrency Unterstützung von gleichzeitig ausgeführten Datenmanipulationen | ja | ja | ja | ja | ja | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Durability Dauerhafte Speicherung der Daten | ja | ja | ja | ja In-memory Storage wird ebenfalls unterstützt | ja | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| In-Memory Unterstützung Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten | ja | ja | ja Depending on used storage engine | nein | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Berechtigungskonzept Zugriffskontrolle | Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard | Access rights for users can be defined per database | Einfache Rechteverwaltung mit Benutzeraccounts | nein | nein | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Weitere Informationen bereitgestellt vom Systemhersteller | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Amazon Aurora | GridDB | InfluxDB | RDF4J formerly known as Sesame | Spark SQL | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Specific characteristics | GridDB is a highly scalable, in-memory time series database optimized for IoT and... » mehr | InfluxData is the creator of InfluxDB , the open source time series database. It... » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Competitive advantages | 1. Optimized for IoT Equipped with Toshiba's proprietary key-container data model... » mehr | Time to Value InfluxDB is available in all the popular languages and frameworks,... » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Typical application scenarios | Factory IoT, Automative Industry, Energy, BEMS, Smart Community, Monitoring system. » mehr | IoT & Sensor Monitoring Developers are witnessing the instrumentation of every available... » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Key customers | Denso International [see use case ] An Electric Power company [see use case ] Ishinomaki... » mehr | InfluxData has more than 1,900 paying customers, including customers include MuleSoft,... » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Market metrics | GitHub trending repository » mehr | Fastest-growing database to drive 27,500 GitHub stars Over 750,000 daily active instances » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Licensing and pricing models | Open Source license (AGPL v3 & Apache v2) Commercial license (subscription) » mehr | Open source core with closed source clustering available either on-premise or on... » mehr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Neuigkeiten | Sync Data from InfluxDB v2 to v3 With the Quix Template Infrastructure Monitoring Basics: Getting Started with Telegraf, InfluxDB, and Grafana Comparing Dates in Java: A Tutorial Python ARIMA Tutorial Time Series, InfluxDB, and Vector Databases | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Wir laden Vertreter der Systemhersteller ein uns zu kontaktieren, um die Systeminformationen zu aktualisieren und zu ergänzen, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Zugehörige Produkte und DienstleistungenWir laden Vertreter von Anbietern von zugehörigen Produkten ein uns zu kontaktieren, um hier Informationen über ihre Angebote zu präsentieren. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Weitere Ressourcen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Amazon Aurora | GridDB | InfluxDB | RDF4J formerly known as Sesame | Spark SQL | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| DB-Engines Blog Posts | Cloud-based DBMS's popularity grows at high rates The popularity of cloud-based DBMSs has increased tenfold in four years Amazon - the rising star in the DBMS market | Why Build a Time Series Data Platform? Time Series DBMS are the database category with the fastest increase in popularity Time Series DBMS as a new trend? | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Erwähnungen in aktuellen Nachrichten | Handle tables without primary keys while creating Amazon Aurora PostgreSQL zero-ETL integrations with Amazon ... Join the preview of Amazon Aurora Limitless Database | Amazon Web Services University of Nebraska-Omaha's ITD Lab migrates to Amazon Aurora with Babelfish, reducing database costs | Amazon ... Amazon Aurora MySQL version 2 (with MySQL 5.7 compatibility) to version 3 (with MySQL 8.0 compatibility) upgrade ... New – Amazon Aurora Optimized Reads for Aurora PostgreSQL with up to 8x query latency improvement for I/O ... bereitgestellt von Google News | General Availability of GridDB® 5.5 Enterprise Edition ~Enhancing the efficiency of IoT system development and ... General Availability of GridDB 5.3 Enterprise Edition ~ Major Enhancement in IoT and Time Series Data Analysis ... Toshiba launches cloudy managed IoT database service running its own GridDB GridDB Use case Large-scale high-speed processing of smart meter data following the deregulation of electrical power ... Toshiba's Distributed Database GridDB(R) Now Features Scale-Out and Scale-Up combo for Petabyte-scale Data ... bereitgestellt von Google News | Run and manage open source InfluxDB databases with Amazon Timestream | Amazon Web Services Amazon Timestream: Managed InfluxDB for Time Series Data InfluxData Collaborating with AWS to Bring InfluxDB and Time Series Analytics to Developers Around the World How the FDAP Stack Gives InfluxDB 3.0 Real-Time Speed, Efficiency AWS and InfluxData partner to offer managed time series database Timestream for InfluxDB bereitgestellt von Google News | Ontotext's GraphDB 8.10 Makes Knowledge Graph Experience Faster and Richer bereitgestellt von Google News | What is Apache Spark? The big data platform that crushed Hadoop Use Amazon Athena with Spark SQL for your open-source transactional table formats | Amazon Web Services Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2024 Cloudera: Impala's it for interactive SQL on Hadoop; everything else will move to Spark 1.5 Years of Spark Knowledge in 8 Tips | by Michael Berk bereitgestellt von Google News | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Teilen sie diese Seite mit ihrem Netzwerk
