DBMS > Apache IoTDB vs. Databricks vs. EsgynDB vs. H2 vs. Oracle Berkeley DB

Vergleich der Systemeigenschaften Apache IoTDB vs. Databricks vs. EsgynDB vs. H2 vs. Oracle Berkeley DB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An IoT native database with high performance for data management and analysis, deployable on the edge and the cloud and integrated with Hadoop, Spark and Flink

The Databricks Lakehouse Platform combines elements of data lakes and data warehouses to provide a unified view onto structured and unstructured data. It is based on Apache Spark.

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

Full-featured RDBMS with a small footprint, either embedded into a Java application or used as a database server.

Weit verbreiteter In-Process Key-Value Store

Primäres Datenbankmodell

Time Series DBMS

Document Store
Relational DBMS

Relational DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	1,31
Rang	#164	Overall
	#14	Time Series DBMS

Punkte	81,08
Rang	#15	Overall
	#2	Document Stores
	#10	Relational DBMS

Punkte	0,25
Rang	#312	Overall
	#138	Relational DBMS

Punkte	8,33
Rang	#46	Overall
	#30	Relational DBMS

Punkte	2,01
Rang	#126	Overall
	#21	Key-Value Stores
	#3	Native XML DBMS

Website

www.oracle.com/database/technologies/related/berkeleydb.html

Technische Dokumentation

iotdb.apache.org/UserGuide/Master/QuickStart/QuickStart.html

docs.databricks.com

www.h2database.com/html/main.html

docs.oracle.com/cd/E17076_05/html/index.html

Entwickler

Apache Software Foundation

Databricks

Esgyn

Thomas Mueller

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Erscheinungsjahr

2018

2013

2015

2005

1994

Aktuelle Version

1.1.0, April 2023

2.2.220, Juli 2023

18.1.40, Mai 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

Open Source

dual-licence (Mozilla public license, Eclipse public license)

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

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

Java

C++, Java

Java

C, Java, C++ (depending on the Berkeley DB edition)

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM (>=1.8)

gehostet

Linux

Alle Betriebssysteme mit einer Java VM

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Datenschema

Flexible Schema (defined schema, partial schema, schema free)

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

only with the Berkeley DB XML edition

Sekundärindizes

SQL

Support of SQL

SQL-like query language

with Databricks SQL

SQL Interface basierend auf SQLite verfügbar

APIs und andere Zugriffskonzepte

JDBC
Native API

JDBC
ODBC
RESTful HTTP API

ADO.NET
JDBC
ODBC

JDBC
ODBC

Unterstützte Programmiersprachen

C
C#
C++
Go
Java
Python
Scala

Python
R
Scala

All languages supporting JDBC/ODBC/ADO.Net

Java

.Net

Figaro is a .Net framework assembly that extends Berkeley DB XML into an embeddable database engine for .NET
Andere

Es gibt Libraries von Drittanbietern für zahlreiche Sprachen, die Berkeley DB Files bearbeiten können
C
C#
C++
Java
JavaScript (Node.js)

3rd party binding
Perl
Python
Tcl

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

Java Stored Procedures

Java Stored Procedures and User-Defined Functions

nein

Triggers

nein

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontal partitioning (by time range) + vertical partitioning (by deviceId)

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

selectable replication methods; using Raft/IoTConsensus algorithm to ensure strong/eventual data consistency among multiple replicas

Multi-source replication between multi datacenters

With clustering: 2 database servers on different computers operate on identical copies of a database

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Integration with Hadoop and Spark

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency
Strong Consistency with Raft

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Supported database models : In addition to the Document store and Relational DBMS...
» mehr

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

PostgreSQL is the DBMS of the Year 2023
2. Januar 2024, Matthias Gelbmann, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

AMD EPYC 4364P & 4564P @ DDR5-4800 / DDR5-5200 vs. Intel Xeon E-2488 Review
6. Juni 2024, Phoronix

TsFile: A Standard Format for IoT Time Series Data
27. Februar 2024, The New Stack

Linux 6.5 With AMD P-State EPP Default Brings Performance & Power Efficiency Benefits For Ryzen Servers
21. September 2023, Phoronix

Apache Promotes IoT Database Project
25. September 2020, Datanami

AMD EPYC 8324P / 8324PN Siena 32-Core Siena Linux Server Performance Review
10. Oktober 2023, Phoronix

bereitgestellt von Google News

Databricks buys Tabular to win the Iceberg war – Blocks and Files
5. Juni 2024, Blocks & Files

Databricks acquires data optimization startup Tabular in fresh challenge to Snowflake
4. Juni 2024, CNBC

Databricks CEO Ali Ghodsi on Snowflake rivalry and the 'why' behind Databricks' latest billion-dollar deal
5. Juni 2024, Yahoo Finance

Exclusive | Databricks to Buy Data-Management Startup Tabular in Bid for AI Clients
4. Juni 2024, The Wall Street Journal

Databricks' $1B Tabular buy raises questions around table format wars
5. Juni 2024, The Register

bereitgestellt von Google News

ACM recognizes far-reaching technical achievements with special awards
26. Mai 2021, EurekAlert

What You Need to Know About NoSQL Databases
17. Februar 2012, Forbes

Database Trends Report: SQL Beats NoSQL, MySQL Most Popular -- ADTmag
5. März 2019, ADT Magazine

Margo I. Seltzer | Berkman Klein Center
18. August 2020, Berkman Klein Center

How to store financial market data for backtesting
26. Januar 2019, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk