DBMS > Bangdb vs. EsgynDB vs. Spark SQL vs. Trafodion

Vergleich der Systemeigenschaften Bangdb vs. EsgynDB vs. Spark SQL vs. Trafodion

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Converged and high performance database for device data, events, time series, document and graph

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

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

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Document Store
Graph DBMS
Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	0,08
Rang	#347	Overall
	#47	Document Stores
	#34	Graph DBMS
	#31	Time Series DBMS

Punkte	0,16
Rang	#329	Overall
	#146	Relational DBMS

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

Website

Technische Dokumentation

docs.bangdb.com

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

trafodion.apache.org/documentation.html

Entwickler

Sachin Sinha, BangDB

Esgyn

Apache Software Foundation

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2012

2015

2014

Aktuelle Version

BangDB 2.0, October 2021

3.5.0 ( 2.13), September 2023

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

Open Source

BSD 3

kommerziell

Open Source

Apache 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

C, C++

C++, Java

Scala

C++, Java

Server Betriebssysteme

Linux

Linux
OS X
Windows

Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: string, long, double, int, geospatial, stream, events

XML Unterstützung

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

nein

Sekundärindizes

secondary, composite, nested, reverse, geospatial

nein

SQL

Support of SQL

SQL like support with command line tool

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

Propriätäres Protokoll
RESTful HTTP API

ADO.NET
JDBC
ODBC

JDBC
ODBC

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

C
C#
C++
Java
Python

All languages supporting JDBC/ODBC/ADO.Net

Java
Python
R
Scala

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

nein

Java Stored Procedures

Triggers

yes, Notifications (with Streaming only)

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding (enterprise version only). P2P based virtual network overlay with consistent hashing and chord algorithm

Sharding

yes, utilizing Spark Core

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

selectable replication factor, Knob for CAP (enterprise version only)

Multi-source replication between multi datacenters

keine

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Tunable consistency, set CAP knob accordingly

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, optimistic concurrency control

Durability

Dauerhafte Speicherung der Daten

yes, implements WAL (Write ahead log) as well

In-Memory Unterstützung

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

yes, run db with in-memory only mode

nein

Berechtigungskonzept

Zugriffskontrolle

yes (enterprise version only)

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Erwähnungen in aktuellen Nachrichten

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

1.5 Years of Spark Knowledge in 8 Tips | by Michael Berk
23. Dezember 2023, Towards Data Science

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

bereitgestellt von Google News

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

An Open Source Tour de Force at Apache: Big Data 2016
11. Mai 2016, Datanami

Low-latency, distributed database architectures are critical for emerging fog applications
7. April 2022, Embedded Computing Design

HP Throws Trafodion Hat into OLTP Hadoop Ring
14. Juli 2014, Datanami

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk