DBMS > Apache Impala vs. BoltDB vs. Heroic vs. Linter vs. OpenQM

Vergleich der Systemeigenschaften Apache Impala vs. BoltDB vs. Heroic vs. Linter vs. OpenQM

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

An embedded key-value store for Go.

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

RDBMS for high security requirements

QpenQM is a high-performance, self-tuning, multi-value DBMS

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

Spatial DBMS

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

Punkte	14,03
Rang	#40	Overall
	#24	Relational DBMS

Punkte	0,76
Rang	#224	Overall
	#32	Key-Value Stores

Punkte	0,57
Rang	#250	Overall
	#21	Time Series DBMS

Punkte	0,10
Rang	#350	Overall
	#153	Relational DBMS

Punkte	0,33
Rang	#286	Overall
	#10	Multivalue DBMS

Website

impala.apache.org

github.com/boltdb/bolt

github.com/spotify/heroic

linter.ru

www.rocketsoftware.com/products/rocket-multivalue-application-development-platform/rocket-open-qm

Technische Dokumentation

impala.apache.org/impala-docs.html

spotify.github.io/heroic

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Spotify

relex.ru

Rocket Software, originally Martin Phillips

Erscheinungsjahr

2013

2014

1990

1993

Aktuelle Version

4.1.0, Juni 2022

3.4-12

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

MIT License

Open Source

Apache 2.0

kommerziell

Open Source

GPLv2, erweiterte 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

C++

Java

C und C++

Server Betriebssysteme

Linux

BSD
Linux
OS X
Solaris
Windows

AIX
Android
BSD
HP Open VMS
iOS
Linux
OS X
VxWorks
Windows

AIX
FreeBSD
Linux
macOS
Raspberry Pi
Solaris
Windows

Datenschema

schemafrei

with some exceptions

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

Sekundärindizes

nein

via Elasticsearch

SQL

Support of SQL

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

HQL (Heroic Query Language, a JSON-based language)
HTTP API

ADO.NET
JDBC
LINQ
ODBC
OLE DB
Oracle Call Interface (OCI)

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

C
C#
C++
Java
Perl
PHP
Python
Qt
Ruby
Tcl

.Net
Basic
C
Java
Objective C
PHP
Python

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

proprietary syntax with the possibility to convert from PL/SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als Map/Reduce Jobs durchgeführt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

keine

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

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

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Access rights can be defined down to the item level

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

Apache Impala becomes Top-Level Project
28. November 2017, SDTimes.com

Cloudera Bringing Impala to AWS Cloud
28. November 2017, Datanami

Apache Doris just 'graduated': Why care about this SQL data warehouse
24. Juni 2022, InfoWorld

Hudi: Uber Engineering’s Incremental Processing Framework on Apache Hadoop
12. März 2017, Uber

Updates & Upserts in Hadoop Ecosystem with Apache Kudu
27. Oktober 2017, KDnuggets

bereitgestellt von Google News

4 Instructive Postmortems on Data Downtime and Loss
1. März 2024, The Hacker News

Grafana Loki: Architecture Summary and Running in Kubernetes
14. März 2023, hackernoon.com

Roblox’s cloud-native catastrophe: A post mortem
31. Januar 2022, InfoWorld

How to Put a GUI on Ansible, Using Semaphore
22. April 2023, The New Stack

bereitgestellt von Google News

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk