DBMS > Axibase vs. Machbase Neo vs. Spark SQL vs. STSdb vs. Yanza

Vergleich der Systemeigenschaften Axibase vs. Machbase Neo vs. Spark SQL vs. STSdb vs. Yanza

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yanza seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Skalierbares Timeseries DBMS basierend auf HBase mit integrierter Rule Engine und Visualisierung

TimeSeries DBMS for AIoT and BigData

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Time Series DBMS for IoT Applications

Primäres Datenbankmodell

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

Punkte	0,35
Rang	#282	Overall
	#25	Time Series DBMS

Punkte	0,17
Rang	#337	Overall
	#30	Time Series DBMS

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

Punkte	0,10
Rang	#357	Overall
	#51	Key-Value Stores

Website

axibase.com/docs/atsd/finance

machbase.com

spark.apache.org/sql

github.com/STSSoft/STSdb4

yanza.com

Technische Dokumentation

machbase.com/dbms

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

Entwickler

Axibase Corporation

Machbase

Apache Software Foundation

STS Soft SC

Yanza

Erscheinungsjahr

2013

2014

2011

2015

Aktuelle Version

15585

V8.0, August 2023

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

kommerziell

Community Edition (single node) is free, Enterprise Edition (distributed) is paid

kommerziell

free test version available

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

kommerziell

free version available

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

but mainly used as a service provided by Yanza

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java

Scala

Server Betriebssysteme

Linux

Linux
macOS
Windows

Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

short, integer, long, float, double, decimal, string

Primitive Typen und benutzerdefinierte Klassen

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

SQL-like query language

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
Proprietary protocol (Network API)
RESTful HTTP API

gRPC
HTTP REST
JDBC
MQTT (Message Queue Telemetry Transport)
ODBC

JDBC
ODBC

.NET Client API

HTTP API

Unterstützte Programmiersprachen

Go
Java
PHP
Python
R
Ruby

C
C#
C++
Go
Java
JavaScript
PHP

via ODBC
Python
R

via ODBC
Scala

Java
Python
R
Scala

C#
Java

jede Sprache, die HTTP-Aufrufe erlaubt

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Timer and event based

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

selectable replication factor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

nein

In-Memory Unterstützung

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

volatile and lookup table

nein

Berechtigungskonzept

Zugriffskontrolle

einfacher Passwort-basierter Zugriffsschutz

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

The Ultimate ATV Test: Suzuki's King Quad 750 AXI Rugged Package vs. Alaska's Hunting Season
20. April 2021, Outdoor Life

Time Series Databases Software Market - A comprehensive study by Key Players | Warp 10, Amazon Timestream ...
6. Februar 2020, openPR

bereitgestellt von Google News

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

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

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

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk