DBMS > Apache Spark (SQL) vs. IBM Db2 Event Store vs. VoltDB

Vergleich der Systemeigenschaften Apache Spark (SQL) vs. IBM Db2 Event Store vs. VoltDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

Distributed Event Store optimized for Internet of Things use cases

Verteilte In-Memory NewSQL RDBMS

Verwendet für OLTP Applikationen mit einer hohen Frequenz an relativ einfachen Transaktionen, die alle Daten im Hauptspeicher halten können

Primäres Datenbankmodell

Relational DBMS

Event Store
Time Series DBMS

Relational DBMS

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

Punkte	17,80
Rang	#31	Overall
	#19	Relational DBMS

Punkte	0,17
Rang	#318	Overall
	#2	Event Stores
	#26	Time Series DBMS

Punkte	1,27
Rang	#161	Overall
	#72	Relational DBMS

Website

spark.apache.org/sql

www.ibm.com/products/db2-event-store

www.voltdb.com

Technische Dokumentation

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

www.ibm.com/docs/en/db2-event-store

docs.voltdb.com

Entwickler

Apache Software Foundation

IBM

VoltDB Inc.

Erscheinungsjahr

2014

2017

2010

Aktuelle Version

3.5.0 ( 2.13), September 2023

2.0

11.3, April 2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

free developer edition available

Open Source

AGPL für Community Edition, kommerzielle Lizenz für Enterprise, AWS und Pro Editionen

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

Scala

C und C++

Java, C++

Server Betriebssysteme

Linux
OS X
Windows

Linux

Linux, macOS, Windows for the developer addition

Linux
OS X

for development

Datenschema

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

SQL-like DML and DDL statements

through the embedded Spark runtime

nur einen Teil von SQL 99

APIs und andere Zugriffskonzepte

JDBC
ODBC

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

Java API
JDBC
RESTful HTTP/JSON API

Unterstützte Programmiersprachen

Java
Python
R
Scala

C
C#
C++
Cobol
Delphi
Fortran
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby
Scala
Visual Basic

C#
C++
Erlang

nicht offiziell unterstützt
Go
Java
JavaScript

Node.js
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Java

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

yes, utilizing Spark Core

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Active-active shard replication

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

FOREIGN KEY constraints werden nicht unterstützt

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Transaktionen werden single-threaded innerhalb von Stored Procedures ausgeführt

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

No - written data is immutable

Datenzugriffe werden vom Server serialisiert

Durability

Dauerhafte Speicherung der Daten

Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage

Snapshots und Command Logging

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Benutzer und Rollen mit Berechtigungen auf Stored Procedures

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

SALE ENDS IN
14. Januar 2025, packtpub.com

Amazon EMR 7.5 runtime for Apache Spark and Iceberg can run Spark workloads 3.6 times faster than Spark 3.5.3 and Iceberg 1.6.1 | Amazon Web Services
27. Dezember 2024, AWS Blog

Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2025
12. November 2024, Simplilearn

Deep Dive Into Historical Usage-Based Scheduling with Snowpark
22. August 2024, Snowflake

Sparkle: Standardizing Modular ETL at Uber
15. August 2024, Uber

bereitgestellt von Google News

Mudhakar Srivatsa
11. Mai 2023, IBM Research

bereitgestellt von Google News

VoltDB Launches Active(N) Lossless Cross Data Center Replication
31. August 2021, PR Newswire

VoltDB Announces Latest Version Of Its In-Memory Database
9. Februar 2018, RTInsights

MemSQL, VoltDB Vie For In-Memory Big Data Role
12. Februar 2015, InformationWeek

VoltDB Partners with Google Cloud for 5G Edge Applications
24. Juni 2021, PR Newswire

How Hardware Drives The Shape Of Databases To Come
15. August 2017, The Next Platform

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk