DBMS > Apache Drill vs. GeoMesa vs. Spark SQL vs. Transbase

Vergleich der Systemeigenschaften Apache Drill vs. GeoMesa vs. Spark SQL vs. Transbase

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Schema-free SQL Query Engine for Hadoop, NoSQL and Cloud Storage

GeoMesa ist ein verteiltes spatio-temporal DBMS basierend auf verschiedenen Systemen als Storage Layer.

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

A resource-optimized, high-performance, universally applicable RDBMS

Primäres Datenbankmodell

Document Store
Relational DBMS

Spatial DBMS

Relational DBMS

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

Punkte	1,95
Rang	#127	Overall
	#23	Document Stores
	#60	Relational DBMS

Punkte	0,78
Rang	#213	Overall
	#4	Spatial DBMS

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

Punkte	0,11
Rang	#341	Overall
	#150	Relational DBMS

Website

drill.apache.org

www.geomesa.org

spark.apache.org/sql

www.transaction.de/en/products/transbase.html

Technische Dokumentation

drill.apache.org/docs

www.geomesa.org/documentation/stable/user/index.html

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

www.transaction.de/en/products/transbase/features.html

Entwickler

Apache Software Foundation

CCRi und Andere

Apache Software Foundation

Transaction Software GmbH

Erscheinungsjahr

2012

2014

1987

Aktuelle Version

1.20.3, Jaenner 2023

4.0.5, Februar 2024

3.5.0 ( 2.13), September 2023

Transbase 8.3, 2022

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache License 2.0

Open Source

Apache 2.0

kommerziell

Development Lizenz gratis

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

C und C++

Server Betriebssysteme

Linux
OS X
Windows

FreeBSD
Linux
macOS
Solaris
Windows

Datenschema

schemafrei

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 SELECT statement is SQL:2003 compliant

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

JDBC
ODBC

ADO.NET
JDBC
ODBC
Proprietäres native API

Unterstützte Programmiersprachen

C++

Java
Python
R
Scala

C
C#
C++
Java
JavaScript
Kotlin
Objective-C
PHP
Python

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

abhängig von Storage layer

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

abhängig von Storage layer

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

abhängig von Storage layer

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Depending on the underlying data source

In-Memory Unterstützung

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

Depending on the underlying data source

abhängig von Storage layer

nein

Berechtigungskonzept

Zugriffskontrolle

Depending on the underlying data source

anhängig von dem zur Speicherung verwendeten DBMS

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Apache Drill case study: A tutorial on processing CSV files
9. Juni 2016, TheServerSide.com

Analyse Kafka messages with SQL queries using Apache Drill
23. September 2019, Towards Data Science

Apache Drill improves big data SQL query engine
31. August 2021, TechTarget

Apache Drill Poised to Crack Tough Data Challenges
19. Mai 2015, Datanami

Apache Drill Eliminates ETL, Data Transformation for MapR Database
11. April 2016, The New Stack

bereitgestellt von Google News

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

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

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk