DBMS > DolphinDB vs. IBM Db2 Event Store vs. Spark SQL vs. Tkrzw

Vergleich der Systemeigenschaften DolphinDB vs. IBM Db2 Event Store vs. Spark SQL vs. Tkrzw

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

DolphinDB is a high performance Time Series DBMS. It is integrated with an easy-to-use fully featured programming language and a high-volume high-velocity streaming analytics system. It offers operational simplicity, scalability, fault tolerance, and concurrency.

Distributed Event Store optimized for Internet of Things use cases

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

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

Primäres Datenbankmodell

Time Series DBMS

Event Store
Time Series DBMS

Relational DBMS

Key-Value Store

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	4,23
Rang	#82	Overall
	#6	Time Series DBMS

Punkte	0,23
Rang	#316	Overall
	#2	Event Stores
	#28	Time Series DBMS

Punkte	19,15
Rang	#33	Overall
	#20	Relational DBMS

Punkte	0,09
Rang	#354	Overall
	#51	Key-Value Stores

Website

www.dolphindb.com

www.ibm.com/products/db2-event-store

spark.apache.org/sql

dbmx.net/tkrzw

Technische Dokumentation

docs.dolphindb.cn/en/help200/index.html

www.ibm.com/docs/en/db2-event-store

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

Entwickler

DolphinDB, Inc

IBM

Apache Software Foundation

Mikio Hirabayashi

Erscheinungsjahr

2018

2017

2014

2020

Aktuelle Version

v2.00.4, January 2022

2.0

3.5.0 ( 2.13), September 2023

0.9.3, August 2020

Lizenz

Commercial or Open Source

kommerziell

free community version available

kommerziell

free developer edition available

Open Source

Apache 2.0

Open Source

Apache Version 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 und C++

Scala

C++

Server Betriebssysteme

Linux
Windows

Linux

Linux, macOS, Windows for the developer addition

Linux
OS X
Windows

Linux
macOS

Datenschema

schemafrei

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

SQL

Support of SQL

SQL-like query language

through the embedded Spark runtime

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
JSON over HTTP
Kafka
MQTT (Message Queue Telemetry Transport)
ODBC
OPC DA
OPC UA
RabbitMQ
WebSocket

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

JDBC
ODBC

Unterstützte Programmiersprachen

C#
C++
Go
Java
JavaScript
MatLab
Python
R
Rust

C
C#
C++
Cobol
Delphi
Fortran
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby
Scala
Visual Basic

Java
Python
R
Scala

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active-active shard replication

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

No - written data is immutable

Durability

Dauerhafte Speicherung der Daten

Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage

In-Memory Unterstützung

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

nein

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

Administrators, Users, Groups

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Advancements in streaming data storage, real-time analysis and machine learning
25. Juli 2019, ibm.com

IBM Builds New Ultra-Fast Platform for Hoovering Up and Analyzing Data from Anywhere
31. Mai 2018, Data Center Knowledge

How IBM Is Turning Db2 into an 'AI Database'
3. Juni 2019, Datanami

Best cloud databases of 2022
4. Oktober 2022, ITPro

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