DBMS > Apache Phoenix vs. NSDb vs. SiteWhere vs. Spark SQL

Vergleich der Systemeigenschaften Apache Phoenix vs. NSDb vs. SiteWhere 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 scale-out RDBMS with evolutionary schema built on Apache HBase

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

M2M Integrationsplatform zur Speicherung und Abfrage von Zeitserien

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

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Relational DBMS

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

Punkte	1,97
Rang	#126	Overall
	#59	Relational DBMS

Punkte	0,00
Rang	#383	Overall
	#41	Time Series DBMS

Punkte	0,06
Rang	#356	Overall
	#35	Time Series DBMS

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

Website

phoenix.apache.org

nsdb.io

github.com/sitewhere/sitewhere

spark.apache.org/sql

Technische Dokumentation

phoenix.apache.org

nsdb.io/Architecture

sitewhere1.sitewhere.io/index.html

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

Entwickler

Apache Software Foundation

SiteWhere

Apache Software Foundation

Erscheinungsjahr

2014

2017

2010

2014

Aktuelle Version

5.0-HBase2, July 2018 and 4.15-HBase1, December 2019

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

Apache Version 2.0

Open Source

Common Public Attribution License Version 1.0

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

Java, Scala

Java

Scala

Server Betriebssysteme

Linux
Unix
Windows

Linux
macOS

Linux
OS X
Windows

Datenschema

late-bound, schema-on-read capabilities

vordefiniertes Schema

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

XML Unterstützung

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

nein

Sekundärindizes

all fields are automatically indexed

nein

SQL

Support of SQL

SQL-like query language

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC

gRPC
HTTP REST
WebSocket

HTTP REST

JDBC
ODBC

Unterstützte Programmiersprachen

C
C#
C++
Go
Groovy
Java
PHP
Python
Scala

Java
Scala

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf HBase

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

frei wählbarer Replikationsfaktor

basierend auf HBase

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Access Control Lists (using HBase ACL) for RBAC, integration with Apache Ranger for RBAC & ABAC, multi-tenancy

Benutzer mit feingranularem Berechtigungskonzept

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

DB-Engines Blog Posts

Cloudera's HBase PaaS offering now supports Complex Transactions
11. August 2021, Krishna Maheshwari (sponsor)

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Supercharge SQL on Your Data in Apache HBase with Apache Phoenix | Amazon Web Services
2. Juni 2016, AWS Blog

Bridge the SQL-NoSQL gap with Apache Phoenix
4. Februar 2016, InfoWorld

Hortonworks Starts Hadoop Summit with Data Platform Update -- ADTmag
28. Juni 2016, ADT Magazine

Amazon EMR 4.7.0 – Apache Tez & Phoenix, Updates to Existing Apps | Amazon Web Services
2. Juni 2016, AWS Blog

Suspects in violent Payson casino robbery were employees, FBI says
7. August 2018, KTAR.com

bereitgestellt von Google News

SiteWhere: An open platform for connected devices
11. Juli 2017, Open Source For You

Ten Popular IoT Platforms You Should be Aware of
27. März 2023, Open Source For You

11 Best Open source IoT Platforms To Develop Smart Projects
9. März 2023, H2S Media

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