DBMS > Apache Jena - TDB vs. Bangdb vs. Splice Machine

Vergleich der Systemeigenschaften Apache Jena - TDB vs. Bangdb vs. Splice Machine

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Apache Jena ist ein RDF store, der im Apache Jena Framework mitgeliefert wird und zur Persistierung und Abfrage von RDF Triplen verwendet werden kann

Converged and high performance database for device data, events, time series, document and graph

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

Primäres Datenbankmodell

RDF Store

Document Store
Graph DBMS
Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	3,75
Rang	#84	Overall
	#3	RDF Stores

Punkte	0,08
Rang	#347	Overall
	#47	Document Stores
	#34	Graph DBMS
	#31	Time Series DBMS

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

Website

jena.apache.org/documentation/tdb/index.html

bangdb.com

splicemachine.com

Technische Dokumentation

jena.apache.org/documentation/tdb/index.html

docs.bangdb.com

splicemachine.com/how-it-works

Entwickler

Apache Software Foundation

ursprünglich von HP Labs entwickelt

Sachin Sinha, BangDB

Splice Machine

Erscheinungsjahr

2000

2012

2014

Aktuelle Version

4.9.0, Juli 2023

BangDB 2.0, October 2021

3.1, March 2021

Lizenz

Commercial or Open Source

Open Source

Apache Lizenz, Version 2.0

Open Source

BSD 3

Open Source

AGPL 3.0, commercial license available

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, C++

Java

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux

Linux
OS X
Solaris
Windows

Datenschema

RDF Schemas

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: string, long, double, int, geospatial, stream, events

XML Unterstützung

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

nein

Sekundärindizes

secondary, composite, nested, reverse, geospatial

SQL

Support of SQL

nein

SQL like support with command line tool

APIs und andere Zugriffskonzepte

Fuseki

REST-style SPARQL HTTP Interface
Jena RDF API
RIO

RDF Input/Output

Propriätäres Protokoll
RESTful HTTP API

JDBC
Native Spark Datasource
ODBC

Unterstützte Programmiersprachen

Java

C
C#
C++
Java
Python

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

Server-seitige Scripts

Stored Procedures

nein

Java

Triggers

über Event Hander

yes, Notifications (with Streaming only)

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding (enterprise version only). P2P based virtual network overlay with consistent hashing and chord algorithm

Shared Nothhing Auto-Sharding, Columnar Partitioning

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

selectable replication factor, Knob for CAP (enterprise version only)

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Tunable consistency, set CAP knob accordingly

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

TDB Transactions

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, optimistic concurrency control

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

yes, implements WAL (Write ahead log) as well

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

yes, run db with in-memory only mode

Berechtigungskonzept

Zugriffskontrolle

Access control via Jena Security

yes (enterprise version only)

Access rights for users, groups and roles according to 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

Sparql Secrets In Jena-Fuseki - DataScienceCentral.com
24. Juli 2022, Data Science Central

Extract and query knowledge graphs using Apache Jena (SPARQL Engine)
4. Dezember 2019, Towards Data Science

A catalogue with semantic annotations makes multilabel datasets FAIR | Scientific Reports
4. Mai 2022, Nature.com

MarkLogic Hones Its Triple Store
18. August 2015, Datanami

How relevant is data analytics to businesses today?
21. August 2016, The Sociable

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

How Splice Machine's Data Platform for Intelligent Apps Works
29. September 2020, eWeek

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk