DBMS > chDB vs. DolphinDB vs. PouchDB vs. Spark SQL vs. Tkrzw

Vergleich der Systemeigenschaften chDB vs. DolphinDB vs. PouchDB vs. Spark SQL vs. Tkrzw

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An embedded SQL OLAP Engine powered by ClickHouse

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.

JavaScript DBMS mit einem von CouchDB inspirierten API

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

Sekundäre Datenbankmodelle

Time Series DBMS

Relational DBMS

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

Punkte	0,07
Rang	#376	Overall
	#158	Relational DBMS

Punkte	4,03
Rang	#78	Overall
	#6	Time Series DBMS

Punkte	2,34
Rang	#112	Overall
	#21	Document Stores

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

Punkte	0,07
Rang	#372	Overall
	#57	Key-Value Stores

Website

github.com/chdb-io/chdb

Technische Dokumentation

doc.chdb.io

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

pouchdb.com/guides

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

Entwickler

DolphinDB, Inc

Apache Software Foundation

Mikio Hirabayashi

Erscheinungsjahr

2023

2018

2012

2014

2020

Aktuelle Version

v2.00.4, January 2022

7.1.1, Juni 2019

3.5.0 ( 2.13), September 2023

0.9.3, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

free community version 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++

JavaScript

Scala

C++

Server Betriebssysteme

serverlos

Linux
Windows

Serverlos, benötigt eine JavaScript Umgebung (Browser, Node.js)

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

über Views

nein

SQL

Support of SQL

Close to ANSI SQL (SQL/JSON + extensions)

SQL-like query language

nein

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

HTTP REST

only for PouchDB Server
JavaScript API

JDBC
ODBC

Unterstützte Programmiersprachen

Bun
C
C++
Go
JavaScript (Node.js)
Python
Rust

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

JavaScript

Java
Python
R
Scala

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

View Functions in JavaScript

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

Sharding

mit couchdb-lounge, einem proxy-basierten Framework für CouchDB

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

auch mit CouchDB Datenbanken
Source-Replica Replikation

auch mit CouchDB Datenbanken

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

Durability

Dauerhafte Speicherung der Daten

mittels IndexedDB, WebSQL oder LevelDB

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

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

DB-Engines Blog Posts

New kids on the block: database management systems implemented in JavaScript
1. Dezember 2014, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Building an Offline First App with PouchDB — SitePoint
10. März 2014, SitePoint

Create Offline Web Apps Using Service Workers & PouchDB — SitePoint
7. März 2017, SitePoint

3 Reasons To Think Offline First
22. März 2017, IBM

Getting Started with PouchDB Client-Side JavaScript Database — SitePoint
7. September 2016, SitePoint

Offline-first web and mobile apps: Top frameworks and components
22. Januar 2019, TechBeacon

bereitgestellt von Google News

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 2024, Towards Data Science

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

The Future of Spark Technology: Igniting Tomorrow!
25. April 2024, Simplilearn

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk