DBMS > Apache Impala vs. Riak KV vs. SpatiaLite vs. Yaacomo

Vergleich der Systemeigenschaften Apache Impala vs. Riak KV vs. SpatiaLite vs. Yaacomo

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

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

Kurzbeschreibung

Analytic DBMS für Hadoop

Verteilter, fehlertoleranter Key-Value Store

Spatial extension of SQLite

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

Primäres Datenbankmodell

Relational DBMS

Key-Value Store

mit Links zwischen Datensätzen und mit Objekt-Tags zur Bildung von Sekundärindizes

Spatial DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store

Relational DBMS

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

Punkte	12,45
Rang	#40	Overall
	#24	Relational DBMS

Punkte	4,01
Rang	#79	Overall
	#9	Key-Value Stores

Punkte	1,63
Rang	#146	Overall
	#3	Spatial DBMS

Website

impala.apache.org

www.gaia-gis.it/fossil/libspatialite/index

yaacomo.com

Technische Dokumentation

impala.apache.org/impala-docs.html

www.tiot.jp/riak-docs/riak/kv/latest

www.gaia-gis.it/gaia-sins/spatialite_topics.html

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

OpenSource, formerly Basho Technologies

Alessandro Furieri

Q2WEB GmbH

Erscheinungsjahr

2013

2009

2008

2009

Aktuelle Version

4.1.0, Juni 2022

3.2.0, Dezember 2022

5.0.0, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2, kommerzielle Enterprise Edition

Open Source

MPL 1.1, GPL v2.0 or LGPL v2.1

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++

Erlang

C++

Server Betriebssysteme

Linux

Linux
OS X

serverlos

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

eingeschränkt

SQL

Support of SQL

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

HTTP API
Native Erlang Interface

JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

inoffizielle Client Library
C#
C++

inoffizielle Client Library
Clojure

inoffizielle Client Library
Dart

inoffizielle Client Library
Erlang
Go

inoffizielle Client Library
Groovy

inoffizielle Client Library
Haskell

inoffizielle Client Library
Java
JavaScript

inoffizielle Client Library
Lisp

inoffizielle Client Library
Perl

inoffizielle Client Library
PHP
Python
Ruby
Scala

inoffizielle Client Library
Smalltalk

inoffizielle Client Library

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

Erlang

nein

Triggers

nein

Pre-Commit Hooks und Post-Commit Hooks

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

kein "single point of failure"

keine

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

es können Links zwischen Datensätzen gespeichert werden

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

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

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

yes, using Riak Security

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

DB-Engines Blog Posts

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

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 Bringing Impala to AWS Cloud
28. November 2017, Datanami

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

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

bereitgestellt von Google News

Basho Revamps Riak Open-Source Database
22. September 2023, InformationWeek

Riak NoSQL Database: Use Cases and Best Practices
23. Dezember 2011, InfoQ.com

Basho, Maker of Riak NoSQL Database, Raises $25M
13. Januar 2015, Data Center Knowledge

Riak NoSQL snapped up by Bet365
12. September 2017, ComputerWeekly.com

Basho to Bolster Riak with DB Plug-Ins
5. Mai 2014, Datanami

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk