DBMS > Apache Impala vs. FatDB vs. Microsoft Azure Table Storage vs. Tkrzw vs. Yaacomo

Vergleich der Systemeigenschaften Apache Impala vs. FatDB vs. Microsoft Azure Table Storage vs. Tkrzw vs. Yaacomo

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Das Unternehmen FatDB/FatCloud hat im Februar 2014 seine Tätigkeit beendet. FatDB wurde eingestellt und erscheint deshalb nicht mehr im Ranking.

Yaacomo seems to be discontinued and is removed from the DB-Engines ranking

Kurzbeschreibung

Analytic DBMS für Hadoop

Ein .NET NoSQL DBMS, das in SQL Server integriert werden kann.

A Wide Column Store for rapid development using massive semi-structured datasets

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

OpenCL based in-memory RDBMS, designed for efficiently utilizing the hardware via parallel computing

Primäres Datenbankmodell

Relational DBMS

Document Store
Key-Value Store

Wide Column Store

Key-Value Store

Relational DBMS

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	4,48
Rang	#75	Overall
	#6	Wide Column Stores

Punkte	0,00
Rang	#383	Overall
	#60	Key-Value Stores

Website

impala.apache.org

azure.microsoft.com/en-us/services/storage/tables

dbmx.net/tkrzw

yaacomo.com

Technische Dokumentation

impala.apache.org/impala-docs.html

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

FatCloud

Microsoft

Mikio Hirabayashi

Q2WEB GmbH

Erscheinungsjahr

2013

2012

2020

2009

Aktuelle Version

4.1.0, Juni 2022

0.9.3, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

kommerziell

Open Source

Apache Version 2.0

kommerziell

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++

Server Betriebssysteme

Linux

Windows

gehostet

Linux
macOS

Android
Linux
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

Ãœber Integration mit SQL Server

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

.NET Client API
LINQ
RESTful HTTP API
RPC
Windows WCF Bindings

RESTful HTTP API

JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

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

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

Ãœber Applikationen

nein

Triggers

nein

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Implicit feature of the cloud service

keine

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

keine

Source-Replica Replikation

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

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

optimistic Locking

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

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

nein

Security Layer kann über Applikationen implementiert werden

Access rights based on private key authentication or shared access signatures

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

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

Working with Azure to Use and Manage Data Lakes
7. März 2024, Simplilearn

Azure Cosmos DB Data Migration tool imports from Azure Table storage | Azure updates
5. Mai 2015, Microsoft

How to Use C# Azure.Data.Tables SDK with Azure Cosmos DB
9. Juli 2021, hackernoon.com

How to use Azure Table storage in .Net
14. Januar 2019, InfoWorld

How to write data to Azure Table Store with an Azure Function
14. April 2017, Experts Exchange

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk