DBMS > Apache Impala vs. Databend vs. EJDB vs. HyperSQL

Vergleich der Systemeigenschaften Apache Impala vs. Databend vs. EJDB vs. HyperSQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

An open-source, elastic, and workload-aware cloud data warehouse designed to meet businesses' massive-scale analytics needs at low cost and with low complexity

Eingebettete Library mit JSON-Notation für Queries (Syntax ähnlich zu MongoDB)

In Java gesschriebenes multithreaded und transaktionales RDBMS

Auch bekannt unter HSQLDB

Primäres Datenbankmodell

Relational DBMS

Document Store

Relational DBMS

Sekundäre Datenbankmodelle

Document Store

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

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

Punkte	0,28
Rang	#287	Overall
	#131	Relational DBMS

Punkte	0,13
Rang	#331	Overall
	#46	Document Stores

Punkte	3,14
Rang	#85	Overall
	#46	Relational DBMS

Website

impala.apache.org

github.com/datafuselabs/databend
www.databend.com

github.com/Softmotions/ejdb

hsqldb.org

Technische Dokumentation

impala.apache.org/impala-docs.html

docs.databend.com

github.com/Softmotions/ejdb/blob/master/README.md

hsqldb.org/web/hsqlDocsFrame.html

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Databend Labs

Softmotions

Erscheinungsjahr

2013

2021

2012

2001

Aktuelle Version

4.1.0, Juni 2022

1.0.59, April 2023

2.7.2, Juni 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2.0

Open Source

GPLv2

Open Source

Basiert auf BSD-Lizenz

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++

Rust

Java

Server Betriebssysteme

Linux

gehostet
Linux
macOS

serverlos

Alle Betriebssysteme mit einer Java VM

Embedded (into Java applications) and Client-Server operating modes

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

string, integer, double, bool, date, object_id

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-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

CLI Client
JDBC
RESTful HTTP API

In-process Library

HTTP API

JDBC via HTTP
JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

Go
Java
JavaScript (Node.js)
Python
Rust

Actionscript
C
C#
C++
Go
Java
JavaScript (Node.js)
Lua
Objective-C
Pike
Python
Ruby

All languages supporting JDBC/ODBC
Java

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

Java, SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

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

Normalerweise nicht gebraucht, ähnliche Funktionalität mit collection joins

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Read/Write Locking

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

Users with fine-grained authorization concept, user roles

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

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

Apache Iceberg Rust Released
9. September 2024, iProgrammer

Â£1.1 Million in AddisonMckee Tube Bending Technologies Provides Dinex with Outstanding OEM Credentials
24. Mai 2007, news.thomasnet.com

bereitgestellt von Google News

HyperSQL DataBase flaw leaves library vulnerable to RCE
24. Oktober 2022, The Daily Swig

Introduction to JDBC with HSQLDB tutorial
14. November 2022, TheServerSide.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk