DBMS > ArcadeDB vs. FatDB vs. GreptimeDB vs. Spark SQL

Vergleich der Systemeigenschaften ArcadeDB vs. FatDB vs. GreptimeDB vs. Spark SQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Das Unternehmen FatDB/FatCloud hat im Februar 2014 seine Tätigkeit beendet. FatDB wurde eingestellt und erscheint deshalb nicht mehr im Ranking.

Kurzbeschreibung

Fast and scalable multi-model DBMS, originally forked from OrientDB but most of the code has been rewritten

Ein .NET NoSQL DBMS, das in SQL Server integriert werden kann.

An open source Time Series DBMS built for increased scalability, high performance and efficiency

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

Primäres Datenbankmodell

Document Store
Graph DBMS
Key-Value Store
Time Series DBMS

in next version

Document Store
Key-Value Store

Time Series DBMS

Relational DBMS

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

Punkte	0,02
Rang	#366	Overall
	#50	Document Stores
	#38	Graph DBMS
	#53	Key-Value Stores
	#36	Time Series DBMS

Punkte	0,06
Rang	#352	Overall
	#33	Time Series DBMS

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

Website

arcadedb.com

greptime.com

spark.apache.org/sql

Technische Dokumentation

docs.arcadedb.com

docs.greptime.com

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

Entwickler

Arcade Data

FatCloud

Greptime Inc.

Apache Software Foundation

Erscheinungsjahr

2021

2012

2022

2014

Aktuelle Version

September 2021

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

Open Source

Apache Version 2.0

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

Rust

Scala

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Windows

Android
Docker
FreeBSD
Linux
macOS
Windows

Linux
OS X
Windows

Datenschema

schemafrei

schema-free, schema definition possible

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 query language, no joins

nein

Ãœber Integration mit SQL Server

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
MongoDB API
OpenCypher
PostgreSQL wire protocol
Redis API
RESTful HTTP/JSON API
TinkerPop Gremlin

.NET Client API
LINQ
RESTful HTTP API
RPC
Windows WCF Bindings

gRPC
HTTP API
JDBC

JDBC
ODBC

Unterstützte Programmiersprachen

Java

C++
Erlang
Go
Java
JavaScript

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

Ãœber Applikationen

Python

nein

Triggers

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

frei wählbarer Replikationsfaktor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

relationship in graphs

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Security Layer kann über Applikationen implementiert werden

Simple rights management via user accounts

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

GreptimeDB is a SQL & Python-enabled timeseries database system built from scratch...
» mehr

Competitive advantages

- Inherits advantages of Rust, such as excellent performance, memory safe, resource...
» mehr

Typical application scenarios

For IoT industries, GreptimeDB can seamless integrate with message queues and other...
» mehr

Key customers

Greptime's clients span multiple sectors including IoT, connected vehicles, and energy...
» mehr

Market metrics

GreptimeDB has garnered global recognition by topping GitHub trends following its...
» mehr

Licensing and pricing models

GreptimeDB: open source, distributed, cloud-native TSDB; supports Hybrid Time-series...
» mehr

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

Feature Engineering for Time-Series Using PySpark on Databricks
15. Mai 2024, Towards Data Science

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

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