DBMS > Apache Impala vs. Apache Phoenix vs. Brytlyt vs. JaguarDB vs. TimescaleDB

Vergleich der Systemeigenschaften Apache Impala vs. Apache Phoenix vs. Brytlyt vs. JaguarDB vs. TimescaleDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

A scale-out RDBMS with evolutionary schema built on Apache HBase

Scalable GPU-accelerated RDBMS for very fast analytic and streaming workloads, leveraging PostgreSQL

Performant, highly scalable DBMS for AI and IoT applications

A time series DBMS optimized for fast ingest and complex queries, based on PostgreSQL

Primäres Datenbankmodell

Relational DBMS

Key-Value Store
Vektor DBMS

Time Series DBMS

Sekundäre Datenbankmodelle

Document Store

Relational DBMS

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

Punkte	10,63
Rang	#40	Overall
	#24	Relational DBMS

Punkte	1,90
Rang	#125	Overall
	#59	Relational DBMS

Punkte	0,27
Rang	#292	Overall
	#132	Relational DBMS

Punkte	0,00
Rang	#385	Overall
	#61	Key-Value Stores
	#16	Vektor DBMS

Punkte	4,06
Rang	#73	Overall
	#5	Time Series DBMS

Website

Technische Dokumentation

impala.apache.org/impala-docs.html

phoenix.apache.org

docs.brytlyt.io

www.jaguardb.com/support.html

docs.timescale.com

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Apache Software Foundation

Brytlyt

DataJaguar, Inc.

Timescale

Erscheinungsjahr

2013

2014

2016

2015

2017

Aktuelle Version

4.1.0, Juni 2022

5.0-HBase2, July 2018 and 4.15-HBase1, December 2019

5.0, August 2023

3.3 July 2023

2.15.0, Mai 2024

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2.0

kommerziell

Open Source

GPL V3.0

Open Source

Apache 2.0

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

C++

Java

C, C++ and CUDA

C++

the server part. Clients available in other languages

Server Betriebssysteme

Linux

Linux
Unix
Windows

Linux
OS X
Windows

Linux

Linux
OS X
Windows

Datenschema

late-bound, schema-on-read capabilities

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

specific XML-type available, but no XML query functionality.

nein

Sekundärindizes

SQL

Support of SQL

SQL-like DML and DDL statements

A subset of ANSI SQL is implemented

but no views, foreign keys, triggers

full PostgreSQL SQL syntax

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

JDBC
ODBC

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

C
C#
C++
Go
Groovy
Java
PHP
Python
Scala

.Net
C
C++
Delphi
Java
Perl
Python
Tcl

C
C++
Go
Java
JavaScript (Node.js)
PHP
Python
Ruby
Scala

.Net
C
C++
Delphi
Java

JDBC
JavaScript
Perl
PHP
Python
R
Ruby
Scheme
Tcl

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

benutzerdefinierte Funktionen

in PL/pgSQL

nein

benutzerdefinierte Funktionen, PL/Tcl, PL/Perl, PL/Python, PL/Java, PL/PHP, PL/R, PL/Ruby, PL/Scheme, PL/Unix shell

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, across time and space (hash partitioning) attributes

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Multi-Source Replikation
Source-Replica Replikation

Source-Replica Replikation

Multi-Source Replikation

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als Map/Reduce Jobs durchgeführt

Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency or Eventual Consistency

Immediate Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

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, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

Access Control Lists (using HBase ACL) for RBAC, integration with Apache Ranger for RBAC & ABAC, multi-tenancy

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Rechteverwaltung mit Benutzeraccounts

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

Cloudera's HBase PaaS offering now supports Complex Transactions
11. August 2021, Krishna Maheshwari (sponsor)

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Apache Impala 4 Supports Operator Multi-Threading
29. Juli 2021, iProgrammer

Apache Impala becomes Top-Level Project
28. November 2017, SDTimes.com

Cloudera brings Apache Iceberg data lake format to its Data Platform
30. Juni 2022, SiliconANGLE News

Hudi: Uber Engineering’s Incremental Processing Framework on Apache Hadoop
12. März 2017, Uber

Updates & Upserts in Hadoop Ecosystem with Apache Kudu
27. Oktober 2017, KDnuggets

bereitgestellt von Google News

Supercharge SQL on Your Data in Apache HBase with Apache Phoenix
2. Juni 2016, AWS Blog

Deep dive into Azure HDInsight 4.0
25. September 2018, azure.microsoft.com

Hortonworks Starts Hadoop Summit with Data Platform Update
28. Juni 2016, ADT Magazine

Apache Drill Adds New Data Formats
28. März 2022, iProgrammer

Amazon EMR 4.7.0 – Apache Tez & Phoenix, Updates to Existing Apps
2. Juni 2016, AWS Blog

bereitgestellt von Google News

Opensignal Announces Acquisition of Brytlyt GPU-based Data Analytics & Visualization Technology
5. Juni 2024, PR Web

Brytlyt releases version 5.0, introducing a more intuitive, intelligent and flexible analytics platform
1. August 2023, PR Newswire

Bringing GPUs To Bear On Bog Standard Relational Databases
26. Februar 2018, The Next Platform

London’s Brytlyt raises €4.4 million for its data analytics and visualisation technology
22. Dezember 2021, EU-Startups

Brytlyt Unleashes Serverless GPU-Acceleration for Analytics
15. September 2021, PR Newswire

bereitgestellt von Google News

General availability: Latest version of the TimeScaleDB extension on Azure Database for PostgreSQL - Flexible Server
8. Mai 2024, azure.microsoft.com

Timescale Acquires PopSQL to Bring a Modern, Collaborative SQL GUI to PostgreSQL Developers
4. April 2024, PR Newswire

TimescaleDB Is a Vector Database Now, Too
25. September 2023, Datanami

PostgreSQL is Now Faster than Pinecone, 75% Cheaper, with New Open Source Extensions
11. Juni 2024, PR Newswire

TimescaleDB goes distributed; implements ‘Chunking’ over ‘Sharding’ for scaling-out
22. August 2019, Packt Hub

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk