DBMS > DolphinDB vs. Netezza vs. Spark SQL vs. Tkrzw

Vergleich der Systemeigenschaften DolphinDB vs. Netezza 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.

Data Warehouse und Analytic Appliance integriert in IBM PureSystems

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

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	10,18
Rang	#46	Overall
	#29	Relational 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/netezza

spark.apache.org/sql

dbmx.net/tkrzw

Technische Dokumentation

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

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

Entwickler

DolphinDB, Inc

IBM

Apache Software Foundation

Mikio Hirabayashi

Erscheinungsjahr

2018

2000

2014

2020

Aktuelle Version

v2.00.4, January 2022

3.5.0 ( 2.13), September 2023

0.9.3, August 2020

Lizenz

Commercial or Open Source

kommerziell

free community version available

kommerziell

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++

Scala

C++

Server Betriebssysteme

Linux
Windows

Linux

In Appliance inkludiert

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

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

JDBC
ODBC
OLE DB

JDBC
ODBC

Unterstützte Programmiersprachen

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

C
C++
Fortran
Java
Lua
Perl
Python
R

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

Source-Replica Replikation

keine

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

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

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

Administrators, Users, Groups

Benutzer mit feingranularem Berechtigungskonzept

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

IBM announces availability of the high-performance, cloud-native Netezza Performance Server as a Service on AWS
11. Juli 2023, IBM

AWS and IBM Netezza come out in support of Iceberg in table format face-off
1. August 2023, The Register

Migrating your Netezza data warehouse to Amazon Redshift | Amazon Web Services
27. Mai 2020, AWS Blog

U.S. Navy Chooses Yellowbrick, Sunsets IBM Netezza
22. März 2023, Business Wire

IBM Brings Back a Netezza, Attacks Yellowbrick
29. Juni 2020, Datanami

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