DBMS > Apache Impala vs. DolphinDB vs. DuckDB vs. Heroic

Vergleich der Systemeigenschaften Apache Impala vs. DolphinDB vs. DuckDB vs. Heroic

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

DolphinDB is a high performance Time Series DBMS. It is integrated with an easy-to-use fully featured programming language and a high-volume high-velocity streaming analytics system. It offers operational simplicity, scalability, fault tolerance, and concurrency.

An embeddable, in-process, column-oriented SQL OLAP RDBMS

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

Relational DBMS

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

Punkte	13,77
Rang	#40	Overall
	#24	Relational DBMS

Punkte	4,13
Rang	#80	Overall
	#6	Time Series DBMS

Punkte	4,57
Rang	#74	Overall
	#40	Relational DBMS

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Website

impala.apache.org

www.dolphindb.com

duckdb.org

github.com/spotify/heroic

Technische Dokumentation

impala.apache.org/impala-docs.html

docs.dolphindb.cn/en/help200/index.html

duckdb.org/docs

spotify.github.io/heroic

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

DolphinDB, Inc

Spotify

Erscheinungsjahr

2013

2018

2014

Aktuelle Version

4.1.0, Juni 2022

v2.00.4, January 2022

0.10, Februar 2024

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

kommerziell

free community version available

Open Source

MIT License

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

Server Betriebssysteme

Linux

Linux
Windows

serverlos

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

via Elasticsearch

SQL

Support of SQL

SQL-like DML and DDL statements

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC
JSON over HTTP
Kafka
MQTT (Message Queue Telemetry Transport)
ODBC
OPC DA
OPC UA
RabbitMQ
WebSocket

Arrow Database Connectivity (ADBC)
CLI Client
JDBC
ODBC

HQL (Heroic Query Language, a JSON-based language)
HTTP API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

C#
C++
Go
Java
JavaScript
MatLab
Python
R
Rust

C
C#

3rd party driver
C++
Crystal

3rd party driver
Go

3rd party driver
Java
Lisp

3rd party driver
Python
R
Ruby

3rd party driver
Rust
Swift
Zig

3rd party driver

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

horizontale Partitionierung

keine

Sharding

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

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

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

Administrators, Users, Groups

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

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

Cloudera Bringing Impala to AWS Cloud
28. November 2017, Datanami

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

Apache Doris just 'graduated': Why care about this SQL data warehouse
24. Juni 2022, InfoWorld

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

bereitgestellt von Google News

DuckDB: The tiny but powerful analytics database
15. Mai 2024, InfoWorld

DuckDB Walks to the Beat of Its Own Analytics Drum
5. März 2024, Datanami

Enabling Remote Query Execution through DuckDB Extensions
12. März 2024, InfoQ.com

My First Billion (of Rows) in DuckDB | by João Pedro | May, 2024
1. Mai 2024, Towards Data Science

MotherDuck Raises $52.5 Million Series B Funding as DuckDB Adoption Soars
20. September 2023, PR Newswire

bereitgestellt von Google News

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk