DBMS > Blueflood vs. Riak KV vs. Spark SQL vs. STSdb

Vergleich der Systemeigenschaften Blueflood vs. Riak KV vs. Spark SQL vs. STSdb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Skalierbare Timeseries DBMS basierend auf Cassandra

Verteilter, fehlertoleranter Key-Value Store

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Time Series DBMS

Key-Value Store

mit Links zwischen Datensätzen und mit Objekt-Tags zur Bildung von Sekundärindizes

Relational DBMS

Key-Value Store

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

Punkte	0,06
Rang	#353	Overall
	#34	Time Series DBMS

Punkte	4,10
Rang	#82	Overall
	#9	Key-Value Stores

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

Punkte	0,04
Rang	#360	Overall
	#52	Key-Value Stores

Website

blueflood.io

spark.apache.org/sql

github.com/STSSoft/STSdb4

Technische Dokumentation

github.com/rax-maas/blueflood/wiki

www.tiot.jp/riak-docs/riak/kv/latest

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

Entwickler

Rackspace

OpenSource, formerly Basho Technologies

Apache Software Foundation

STS Soft SC

Erscheinungsjahr

2013

2009

2014

2011

Aktuelle Version

3.2.0, Dezember 2022

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache Version 2, kommerzielle Enterprise Edition

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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

Erlang

Scala

Server Betriebssysteme

Linux
OS X

Linux
OS X
Windows

Windows

Datenschema

vordefiniertes Schema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

Primitive Typen und benutzerdefinierte Klassen

XML Unterstützung

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

nein

Sekundärindizes

nein

eingeschränkt

nein

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

HTTP REST

HTTP API
Native Erlang Interface

JDBC
ODBC

.NET Client API

Unterstützte Programmiersprachen

inoffizielle Client Library
C#
C++

inoffizielle Client Library
Clojure

inoffizielle Client Library
Dart

inoffizielle Client Library
Erlang
Go

inoffizielle Client Library
Groovy

inoffizielle Client Library
Haskell

inoffizielle Client Library
Java
JavaScript

inoffizielle Client Library
Lisp

inoffizielle Client Library
Perl

inoffizielle Client Library
PHP
Python
Ruby
Scala

inoffizielle Client Library
Smalltalk

inoffizielle Client Library

Java
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

nein

Erlang

nein

Triggers

nein

Pre-Commit Hooks und Post-Commit Hooks

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Sharding

kein "single point of failure"

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

frei wählbarer Replikationsfaktor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

es können Links zwischen Datensätzen gespeichert werden

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

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

yes, using Riak Security

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

Basho Revamps Riak Open-Source Database
22. September 2023, InformationWeek

Riak NoSQL Database: Use Cases and Best Practices
23. Dezember 2011, InfoQ.com

Basho, Maker of Riak NoSQL Database, Raises $25M
13. Januar 2015, Data Center Knowledge

Riak NoSQL snapped up by Bet365
12. September 2017, ComputerWeekly.com

NoSQL pioneer Basho stamps its mark on time stamp data with Riak TS
6. Oktober 2015, The Register

bereitgestellt von Google News

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

Teilen sie diese Seite mit ihrem Netzwerk