DBMS > Databricks vs. SpaceTime vs. Spark SQL vs. STSdb vs. Yaacomo

Vergleich der Systemeigenschaften Databricks vs. SpaceTime vs. Spark SQL vs. STSdb vs. Yaacomo

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yaacomo seems to be discontinued and is removed from the DB-Engines ranking

Kurzbeschreibung

The Databricks Lakehouse Platform combines elements of data lakes and data warehouses to provide a unified view onto structured and unstructured data. It is based on Apache Spark.

SpaceTime ist ein Spatio-temporal DBMS mit Focus auf Performance.

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

OpenCL based in-memory RDBMS, designed for efficiently utilizing the hardware via parallel computing

Primäres Datenbankmodell

Document Store
Relational DBMS

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	81,08
Rang	#15	Overall
	#2	Document Stores
	#10	Relational DBMS

Punkte	0,03
Rang	#392	Overall
	#8	Spatial DBMS

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

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

Website

www.databricks.com

www.mireo.com/spacetime

spark.apache.org/sql

github.com/STSSoft/STSdb4

yaacomo.com

Technische Dokumentation

docs.databricks.com

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

Entwickler

Databricks

Mireo

Apache Software Foundation

STS Soft SC

Q2WEB GmbH

Erscheinungsjahr

2013

2020

2014

2011

2009

Aktuelle Version

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

kommerziell

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++

Scala

Server Betriebssysteme

gehostet

Linux

Linux
OS X
Windows

Windows

Android
Linux
Windows

Datenschema

Flexible Schema (defined schema, partial schema, schema free)

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

SQL

Support of SQL

with Databricks SQL

A subset of ANSI SQL is implemented

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

RESTful HTTP API

JDBC
ODBC

.NET Client API

JDBC
ODBC

Unterstützte Programmiersprachen

Python
R
Scala

C#
C++
Python

Java
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Fixed-grid hypercubes

yes, utilizing Spark Core

keine

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Real-time block device replication (DRBD)

keine

Source-Replica Replikation

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

ACID

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

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Supported database models : In addition to the Document store and Relational DBMS...
» 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

DB-Engines Blog Posts

PostgreSQL is the DBMS of the Year 2023
2. Januar 2024, Matthias Gelbmann, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Gathr and Databricks partner to transform analytics & AI landscape
31. Mai 2024, PR Newswire

Databricks Co-founder on the Next AI Frontier
30. Mai 2024, Bloomberg

Analytics and Data Science News for the Week of May 31; Updates from Amazon, Databricks, Microsoft & More
31. Mai 2024, Solutions Review

AI is Driving Record Sales at Multibillion-Dollar Databricks. An IPO Can Wait … - WSJ
6. März 2024, The Wall Street Journal

Databricks Announces Major Updates to Its AI Suite to Boost AI Model Accuracy
10. Mai 2024, Datanami

bereitgestellt von Google News

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

Performant IPv4 Range Spark Joins | by Jean-Claude Cote
24. Januar 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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk