DBMS > Apache Impala vs. Cubrid vs. GeoSpock vs. XTDB

Vergleich der Systemeigenschaften Apache Impala vs. Cubrid vs. GeoSpock vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

GeoSpock seems to be discontinued. Therefore it will be excluded from the DB-Engines ranking.

Kurzbeschreibung

Analytic DBMS für Hadoop

CUBRID is an open-source SQL-based relational database management system with object extensions for OLTP

Spatial and temporal data processing engine for extreme data scale

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Relational DBMS

Document Store

Sekundäre Datenbankmodelle

Document Store

Time Series DBMS

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

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

Punkte	0,97
Rang	#189	Overall
	#86	Relational DBMS

Punkte	0,13
Rang	#330	Overall
	#45	Document Stores

Website

impala.apache.org

cubrid.com (korean)
cubrid.org (english)

geospock.com

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

impala.apache.org/impala-docs.html

cubrid.org/manuals

www.xtdb.com/docs

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

CUBRID Corporation, CUBRID Foundation

GeoSpock

Juxt Ltd.

Erscheinungsjahr

2013

2008

2019

Aktuelle Version

4.1.0, Juni 2022

11.0, Jaenner 2021

2.0, September 2019

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2.0

kommerziell

Open Source

MIT License

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++

C, C++, Java

Java, Javascript

Clojure

Server Betriebssysteme

Linux

Linux
Windows

gehostet

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

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

temporal, categorical

SQL

Support of SQL

SQL-like DML and DDL statements

ANSI SQL for query only (using Presto)

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

JDBC
ODBC

ADO.NET
JDBC
ODBC
OLE DB

JDBC

HTTP REST
JDBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

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

Clojure
Java

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

Java Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Automatic sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Source-Replica Replikation

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als Map/Reduce Jobs durchgeführt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

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

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

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

fine grained access rights according to SQL-standard

Access rights for users can be defined per table

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

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

CUBRID: A FOSS RDBMS to Realise Your Next Big Idea
26. April 2018, Open Source For You

NHN Willing to Be More Open
24. November 2008, 코리아타임스

bereitgestellt von Google News

How GeoSpock is supercharging geospatial analytics
23. Februar 2021, ComputerWeekly.com

nChain leads investment round in extreme-scale data firm GeoSpock
2. Oktober 2020, CoinGeek

Smart Cities, Autonomous Vehicles, Artificial General Intelligence Robotics: Q&A with Steve Marsh, GeoSpock
16. Mai 2018, ExchangeWire

GeoSpock’s extreme-scale data mission in $5.4m funding boost
8. Oktober 2020, Cambridge Independent

CEO Richard Baker explores GeoSpock’s role in posting indexed data onto digital ledger
20. Oktober 2020, CoinGeek

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk