DBMS > Amazon DynamoDB vs. GreptimeDB vs. Spark SQL vs. Teradata

Vergleich der Systemeigenschaften Amazon DynamoDB vs. GreptimeDB vs. Spark SQL vs. Teradata

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Gehostetes, skalierbares Datenbankservice von Amazon; die Daten werden in der Amazon Cloud gespeichert

An open source Time Series DBMS built for increased scalability, high performance and efficiency

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

A hybrid cloud data analytics software platform (Teradata Vantage)

Primäres Datenbankmodell

Document Store
Key-Value Store

Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Graph DBMS
Spatial DBMS
Time Series DBMS

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

Punkte	74,07
Rang	#17	Overall
	#3	Document Stores
	#2	Key-Value Stores

Punkte	0,06
Rang	#352	Overall
	#33	Time Series DBMS

Punkte	18,96
Rang	#33	Overall
	#20	Relational DBMS

Punkte	45,33
Rang	#21	Overall
	#15	Relational DBMS

Website

aws.amazon.com/dynamodb

greptime.com

spark.apache.org/sql

www.teradata.com

Technische Dokumentation

docs.aws.amazon.com/dynamodb

docs.greptime.com

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

docs.teradata.com

Entwickler

Amazon

Greptime Inc.

Apache Software Foundation

Teradata

Erscheinungsjahr

2012

2022

2014

1984

Aktuelle Version

3.5.0 ( 2.13), September 2023

Teradata Vantage 1.0 MU2, Jänner 2019

Lizenz

Commercial or Open Source

kommerziell

kostenlos bis zu einer gewissen Anzahl von Datenbankoperationen

Open Source

Apache Version 2.0

Open Source

Apache 2.0

kommerziell

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

Rust

Scala

Server Betriebssysteme

gehostet

Android
Docker
FreeBSD
Linux
macOS
Windows

Linux
OS X
Windows

gehostet
Linux

Datenschema

schemafrei

schema-free, schema definition possible

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

Spezielle Join-Indizes für physikalisches 'pre-joining' von Tabellen

SQL

Support of SQL

nein

SQL-like DML and DDL statements

SQL 2016 + extensions

APIs und andere Zugriffskonzepte

RESTful HTTP API

gRPC
HTTP API
JDBC

JDBC
ODBC

.NET Client API
HTTP REST
JDBC
JMS Adapter
ODBC
OLE DB

Unterstützte Programmiersprachen

.Net
ColdFusion
Erlang
Groovy
Java
JavaScript
Perl
PHP
Python
Ruby

C++
Erlang
Go
Java
JavaScript

Java
Python
R
Scala

C
C++
Cobol
Java (JDBC-ODBC)
Perl
PL/1
Python
R
Ruby

Server-seitige Scripts

Stored Procedures

nein

Python

nein

UDFs, stored procedures, table functions in parallel

Triggers

by integration with AWS Lambda

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

Sharding

Hashing

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

kann über Amazon Elastic MapReduce (Amazon EMR) realisiert werden

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency
Immediate Consistency

kann bei LeseOperationen spezifiziert werden

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

ACID across one or more tables within a single AWS account and region

nein

ACID

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

Zugriffsrechte für Benutzer und Rollen über AWS Identity and Access Management (IAM) definierbar

Simple rights management via user accounts

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

GreptimeDB is a SQL & Python-enabled timeseries database system built from scratch...
» mehr

Competitive advantages

- Inherits advantages of Rust, such as excellent performance, memory safe, resource...
» mehr

Typical application scenarios

For IoT industries, GreptimeDB can seamless integrate with message queues and other...
» mehr

Key customers

Greptime's clients span multiple sectors including IoT, connected vehicles, and energy...
» mehr

Market metrics

GreptimeDB has garnered global recognition by topping GitHub trends following its...
» mehr

Licensing and pricing models

GreptimeDB: open source, distributed, cloud-native TSDB; supports Hybrid Time-series...
» mehr

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

Drittanbieter

CData: Connect to Big Data & NoSQL through standard Drivers.
» mehr

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

Increased popularity for consuming DBMS services out of the cloud
2. Oktober 2015, Paul Andlinger

alle anzeigen

Teradata is the most popular data warehouse DBMS
2. April 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Uber Migrates 1 Trillion Records from DynamoDB to LedgerStore to Save $6 Million Annually
19. Mai 2024, InfoQ.com

Using the circuit-breaker pattern with AWS Lambda extensions and Amazon DynamoDB | Amazon Web Services
16. Mai 2024, AWS Blog

Continuously replicate Amazon DynamoDB changes to Amazon Aurora PostgreSQL using AWS Lambda | Amazon ...
14. Mai 2024, AWS Blog

Migrating Uber's Ledger Data from DynamoDB to LedgerStore
11. April 2024, Uber

Zendesk Moves from DynamoDB to MySQL and S3 to Save over 80% in Costs
29. Dezember 2023, InfoQ.com

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

Feature Engineering for Time-Series Using PySpark on Databricks
8. Mai 2024, Towards Data Science

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

bereitgestellt von Google News

Truist Financial Corp Reduces Position in Teradata Co. (NYSE:TDC)
19. Mai 2024, Defense World

Bear of the Day: Teradata (TDC)
17. Mai 2024, Yahoo Singapore News

Teradata Stockholders Approve Incentive Plan and Elect Directors - TipRanks.com
17. Mai 2024, TipRanks

An interview with Teradata CFO Claire Bramley
9. Februar 2024, McKinsey

Lakehouse dam breaks after departure of long-time Teradata CTO
1. Mai 2024, The Register

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk