DBMS > Apache Phoenix vs. RDF4J vs. Spark SQL vs. Yaacomo

Vergleich der Systemeigenschaften Apache Phoenix vs. RDF4J vs. Spark SQL 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

A scale-out RDBMS with evolutionary schema built on Apache HBase

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

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

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

Primäres Datenbankmodell

Relational DBMS

RDF Store

Relational DBMS

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

Punkte	2,06
Rang	#123	Overall
	#58	Relational DBMS

Punkte	0,74
Rang	#222	Overall
	#9	RDF Stores

Punkte	18,04
Rang	#33	Overall
	#20	Relational DBMS

Website

phoenix.apache.org

rdf4j.org

spark.apache.org/sql

yaacomo.com

Technische Dokumentation

phoenix.apache.org

rdf4j.org/documentation

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

Entwickler

Apache Software Foundation

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Apache Software Foundation

Q2WEB GmbH

Erscheinungsjahr

2014

2004

2014

2009

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

Eclipse Distribution License (EDL), v1.0.

Open Source

Apache 2.0

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

Java

Scala

Server Betriebssysteme

Linux
Unix
Windows

Linux
OS X
Unix
Windows

Linux
OS X
Windows

Android
Linux
Windows

Datenschema

late-bound, schema-on-read capabilities

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

JDBC
ODBC

Unterstützte Programmiersprachen

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

Java
PHP
Python

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

keine

yes, utilizing Spark Core

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

keine

Source-Replica Replikation

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Isolation abhängig vom verwendeten API

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-memory Storage wird ebenfalls unterstützt

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

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

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

Apache Calcite, FreeMarker, Gora, Phoenix, and Solr updated
27. März 2017, SDTimes.com

Azure HDInsight Analytics Platform Now Supports Apache Hadoop 3.0
18. April 2019, eWeek

Deep dive into Azure HDInsight 4.0
25. September 2018, azure.microsoft.com

bereitgestellt von Google News

GraphDB Goes Open Source
27. Januar 2020, iProgrammer

Ontotext's GraphDB 8.10 Makes Knowledge Graph Experience Faster and Richer
13. Juni 2019, Markets Insider

bereitgestellt von Google News

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

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

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 2024, Towards Data Science

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

Simba Technologies(R) Introduces New, Powerful JDBC Driver With SQL Connector for Apache Spark(TM)
17. März 2024, Yahoo Singapore News

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk