DBMS > Apache Drill vs. NSDb vs. Spark SQL vs. STSdb vs. Yanza

Vergleich der Systemeigenschaften Apache Drill vs. NSDb vs. Spark SQL vs. STSdb vs. Yanza

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yanza seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

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

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Time Series DBMS for IoT Applications

Primäres Datenbankmodell

Document Store
Relational DBMS

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

Punkte	2,02
Rang	#124	Overall
	#22	Document Stores
	#59	Relational DBMS

Punkte	0,08
Rang	#369	Overall
	#40	Time Series DBMS

Punkte	18,04
Rang	#33	Overall
	#20	Relational DBMS

Punkte	0,10
Rang	#357	Overall
	#51	Key-Value Stores

Website

drill.apache.org

nsdb.io

spark.apache.org/sql

github.com/STSSoft/STSdb4

yanza.com

Technische Dokumentation

drill.apache.org/docs

nsdb.io/Architecture

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

Entwickler

Apache Software Foundation

STS Soft SC

Yanza

Erscheinungsjahr

2012

2017

2014

2011

2015

Aktuelle Version

1.20.3, Jaenner 2023

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2.0

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

kommerziell

free version available

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

but mainly used as a service provided by Yanza

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java, Scala

Scala

Server Betriebssysteme

Linux
OS X
Windows

Linux
macOS

Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

Primitive Typen und benutzerdefinierte Klassen

nein

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

all fields are automatically indexed

nein

SQL

Support of SQL

SQL SELECT statement is SQL:2003 compliant

SQL-like query language

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

gRPC
HTTP REST
WebSocket

JDBC
ODBC

.NET Client API

HTTP API

Unterstützte Programmiersprachen

C++

Java
Scala

Java
Python
R
Scala

C#
Java

jede Sprache, die HTTP-Aufrufe erlaubt

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Timer and event based

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency

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

Using Apache Lucene

In-Memory Unterstützung

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

Depending on the underlying data source

nein

Berechtigungskonzept

Zugriffskontrolle

Depending on the underlying data source

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

Erwähnungen in aktuellen Nachrichten

MapR to Speak on Stream Processing Systems, Apache Spark and Drill at Industry Events in January
31. Mai 2024, Yahoo Movies UK

Apache Drill vs. Apache Spark — Which SQL query engine is better for you?
23. September 2019, Towards Data Science

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

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

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

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

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 2024, Towards Data Science

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

Simba Technologies(R) Introduces New, Powerful JDBC Driver With SQL Connector for Apache Spark(TM)
17. März 2024, Yahoo Singapore News

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk