DBMS > Apache Impala vs. Greenplum vs. JaguarDB vs. Postgres-XL

Vergleich der Systemeigenschaften Apache Impala vs. Greenplum vs. JaguarDB vs. Postgres-XL

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

Analytic Database platform built on PostgreSQL. Full name is Pivotal Greenplum Database

A logical database in Greenplum is an array of individual PostgreSQL databases working together to present a single database image.

Performant, highly scalable DBMS for AI and IoT applications

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

Primäres Datenbankmodell

Relational DBMS

Key-Value Store
Vektor DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store

Document Store
Spatial DBMS

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

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

Punkte	8,37
Rang	#48	Overall
	#30	Relational DBMS

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

Punkte	0,49
Rang	#256	Overall
	#117	Relational DBMS

Website

Technische Dokumentation

impala.apache.org/impala-docs.html

docs.greenplum.org

www.jaguardb.com/support.html

www.postgres-xl.org/documentation

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Pivotal Software Inc.

DataJaguar, Inc.

Erscheinungsjahr

2013

2005

2015

2014

seit 2012, ursprünglich genannt StormDB

Aktuelle Version

4.1.0, Juni 2022

7.0.0, September 2023

3.3 July 2023

10 R1, Oktober 2018

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache 2.0

Open Source

GPL V3.0

Open Source

Mozilla public 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++

the server part. Clients available in other languages

Server Betriebssysteme

Linux

Linux
macOS

Datenschema

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

seit Version 4.2

nein

XML type, but no XML query functionality

Sekundärindizes

SQL

Support of SQL

SQL-like DML and DDL statements

A subset of ANSI SQL is implemented

but no views, foreign keys, triggers

distributed, parallel query execution

APIs und andere Zugriffskonzepte

JDBC
ODBC

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

C
Java
Perl
Python
R

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

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

benutzerdefinierte Funktionen

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Source-Replica Replikation

Multi-Source 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

Immediate Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

ACID

MVCC

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

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Rechteverwaltung mit Benutzeraccounts

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

Cloudera creates observability tool to help enterprises manage cloud costs
6. Juni 2023, SiliconANGLE News

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

bereitgestellt von Google News

VMware Greenplum on AWS: Parallel Postgres for Enterprise Analytics at Scale | Amazon Web Services
9. September 2019, AWS Blog

1. Introducing the Greenplum Database - Data Warehousing with Greenplum [Book]
6. Dezember 2018, oreilly.com

RSA: EMC integrates Hadoop with Greenplum database
26. Februar 2013, DatacenterDynamics

Greenplum 6 ventures outside the analytic box | ZDNET
19. März 2019, ZDNet

Greenplum 6 review: Jack of all trades, master of some
7. November 2019, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk