DBMS > Apache Kylin vs. EJDB vs. RavenDB vs. Spark SQL

Vergleich der Systemeigenschaften Apache Kylin vs. EJDB vs. RavenDB vs. Spark SQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A distributed analytics engine for big data, providing a SQL interface and multi-dimensional analysis (OLAP) and leveraging the Hadoop stack

Eingebettete Library mit JSON-Notation für Queries (Syntax ähnlich zu MongoDB)

Open Source Operational and Transactional Enterprise NoSQL Document Database

Spark SQL ist ein Spark-Modul für die Verarbeitung strukturierter Daten

Primäres Datenbankmodell

Relational DBMS

Document Store

Relational DBMS

Sekundäre Datenbankmodelle

Graph DBMS
Spatial DBMS
Time Series DBMS

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

Punkte	1,18
Rang	#172	Overall
	#79	Relational DBMS

Punkte	0,27
Rang	#297	Overall
	#44	Document Stores

Punkte	2,92
Rang	#101	Overall
	#18	Document Stores

Punkte	18,96
Rang	#33	Overall
	#20	Relational DBMS

Website

kylin.apache.org

github.com/Softmotions/ejdb

ravendb.net

spark.apache.org/sql

Technische Dokumentation

kylin.apache.org/docs

github.com/Softmotions/ejdb/blob/master/README.md

ravendb.net/docs

spark.apache.org/docs/latest/sql-programming-guide.html

Entwickler

Apache Software Foundation, originally contributed from eBay Inc

Softmotions

Hibernating Rhinos

Apache Software Foundation

Erscheinungsjahr

2015

2012

2010

2014

Aktuelle Version

3.1.0, Juli 2020

5.4, Juli 2022

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

GPLv2

Open Source

AGPL Version 3, kommerzielle Lizenz verfügbar

Open Source

Apache 2.0

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

Scala

Server Betriebssysteme

Linux

serverlos

Linux
macOS
Raspberry Pi
Windows

Linux
OS X
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

string, integer, double, bool, date, object_id

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

ANSI SQL for queries (using Apache Calcite)

nein

SQL-like query language (RQL)

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

In-process Library

.NET Client API
F# Client API
Go Client API
Java Client API
NodeJS Client API
PHP Client API
Python Client API
RESTful HTTP API

JDBC
ODBC

Unterstützte Programmiersprachen

Actionscript
C
C#
C++
Go
Java
JavaScript (Node.js)
Lua
Objective-C
Pike
Python
Ruby

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

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Default ACID transactions on the local node (eventually consistent across the cluster). Atomic operations with cluster-wide ACID transactions. Eventual consistency for indexes and full-text search indexes.

Fremdschlüssel

referenzielle Integrität

nein

Normalerweise nicht gebraucht, ähnliche Funktionalität mit collection joins

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID, Cluster-wide transaction available

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Read/Write Locking

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Authorization levels configured per client per database

nein

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

RavenDB Launches Version 6.0 Lightning Fast Queries, Data Integrations, Corax Indexing Engine, and Sharding
3. Oktober 2023, PR Newswire

RavenDB Welcomes David Baruc as Chief Revenue Officer: Seasoned Tech Leader to Drive Global Sales and ...
13. Juni 2023, PR Newswire

Install the NoSQL RavenDB Data System
14. Mai 2021, The New Stack

How I Created a RavenDB Python Client
23. September 2016, Visual Studio Magazine

RavenDB Adds Graph Queries
15. Mai 2019, Datanami

bereitgestellt von Google News

Use Amazon Athena with Spark SQL for your open-source transactional table formats | Amazon Web Services
24. Januar 2024, AWS Blog

What is Apache Spark? The big data platform that crushed Hadoop
3. April 2024, InfoWorld

Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2024
1. April 2024, Simplilearn

Performant IPv4 Range Spark Joins | by Jean-Claude Cote
24. Januar 2024, Towards Data Science

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk