DBMS > Apache Impala vs. EsgynDB vs. RRDtool vs. Sphinx vs. Warp 10

Vergleich der Systemeigenschaften Apache Impala vs. EsgynDB vs. RRDtool vs. Sphinx vs. Warp 10

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

Industry standard data logging and graphing tool for time series data. RRD is an acronym for round-robin database.

The data is stored in a circular buffer, thus the system storage footprint remains constant over time.

Open Source Suchmaschine zum Suchen in Daten aus verschiedenen Quellen, u.a. relationalen Datenbanken

TimeSeries DBMS specialized on timestamped geo data based on LevelDB or HBase

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

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

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

Punkte	0,16
Rang	#329	Overall
	#146	Relational DBMS

Punkte	1,87
Rang	#136	Overall
	#11	Time Series DBMS

Punkte	5,98
Rang	#56	Overall
	#5	Suchmaschinen

Punkte	0,07
Rang	#349	Overall
	#32	Time Series DBMS

Website

impala.apache.org

www.esgyn.cn

oss.oetiker.ch/rrdtool

sphinxsearch.com

www.warp10.io

Technische Dokumentation

impala.apache.org/impala-docs.html

oss.oetiker.ch/rrdtool/doc

sphinxsearch.com/docs

www.warp10.io/content/02_Getting_started

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Esgyn

Tobias Oetiker

Sphinx Technologies Inc.

SenX

Erscheinungsjahr

2013

2015

1999

2001

2015

Aktuelle Version

4.1.0, Juni 2022

1.8.0, 2022

3.5.1, Februar 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

kommerziell

Open Source

GPL V2 and FLOSS

Open Source

GPL Version 2, kommerzielle Lizenz erhältlich

Open Source

Apache License 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++

C++, Java

Implementations in Java (e.g. RRD4J) and C# available

C++

Java

Server Betriebssysteme

Linux

HP-UX
Linux

FreeBSD
Linux
NetBSD
OS X
Solaris
Windows

Linux
OS X
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numeric data only

nein

XML Unterstützung

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

nein

Exporting into and restoring from XML files possible

nein

Sekundärindizes

nein

Full-Text Index auf allen Suchfeldern

nein

SQL

Support of SQL

SQL-like DML and DDL statements

nein

SQL-like query language (SphinxQL)

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

ADO.NET
JDBC
ODBC

In-process Library
Pipes

Proprietäres Protokoll

HTTP API
Jupyter
WebSocket

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

All languages supporting JDBC/ODBC/ADO.Net

with librrd library
C#

with a different implementation of RRDTool
Java

with a different implementation of RRDTool
JavaScript (Node.js)

with a different implementation of RRDTool
Lua
Perl
PHP

with a wrapper library
Python
Ruby

C++

inoffizielle Client Library
Java
Perl

inoffizielle Client Library
PHP
Python
Ruby

inoffizielle Client Library

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

Java Stored Procedures

nein

WarpScript

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

Aufteilung der Daten erfolgt manuell, Suchabfragen auf verteilten Index werden unterstützt.

Sharding

basierend auf HBase

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Multi-source replication between multi datacenters

keine

frei wählbarer Replikationsfaktor

basierend auf HBase

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

keine

Immediate Consistency

basierend auf HBase

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

by using the rrdcached daemon

Durability

Dauerhafte Speicherung der Daten

Der Originalinhalt von Feldern wird nicht im Sphinx-Index gespeichert.

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Mandatory use of cryptographic tokens, containing fine-grained authorizations

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

Time Series DBMS are the database category with the fastest increase in popularity
4. Juli 2016, Matthias Gelbmann

Time Series DBMS as a new trend?
1. Juni 2015, Paul Andlinger

alle anzeigen

The DB-Engines ranking includes now search engines
4. Februar 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

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

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

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

bereitgestellt von Google News

SQLi vulnerability in Cacti could lead to RCE (CVE-2023-51448)
9. Januar 2024, Help Net Security

Critical IP spoofing bug patched in Cacti
15. Dezember 2022, The Daily Swig

How to install Cacti SNMP Monitor on Ubuntu
24. November 2017, TechRepublic

Cacti servers under attack by attackers exploiting CVE-2022-46169
16. Januar 2023, Help Net Security

Installation Guide for Collectd and Collectd-Web to Monitor Server Resources in Linux
29. November 2017, Linux.com

bereitgestellt von Google News

Switching From Sphinx to MkDocs Documentation — What Did I Gain and Lose
2. Februar 2024, Towards Data Science

Manticore is a Faster Alternative to Elasticsearch in C++
25. Juli 2022, hackernoon.com

Perplexity AI: From Its Use To Operation, Everything You Need To Know About Googles Newest Challenger
11. Januar 2024, Free Press Journal

How to Build 600+ Links in One Month
4. September 2020, Search Engine Journal

Beyond the Concert Hall: 5 Organizations Making a Difference in Classical Music in 2018 | WQXR Editorial
22. Dezember 2018, WQXR Radio

bereitgestellt von Google News

Time Series Intelligence Software Market Business Insights, Key Trend Analysis | Google, SAP, Azure Time Series ...
24. April 2024, Amoré

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk