DBMS > Dolt vs. NSDb vs. Spark SQL vs. SwayDB vs. Transbase

Vergleich der Systemeigenschaften Dolt vs. NSDb vs. Spark SQL vs. SwayDB vs. Transbase

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A MySQL compatible DBMS with Git-like versioning of data and schema

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

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

An embeddable, non-blocking, type-safe key-value store for single or multiple disks and in-memory storage

A resource-optimized, high-performance, universally applicable RDBMS

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

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

Punkte	0,96
Rang	#193	Overall
	#90	Relational DBMS

Punkte	0,00
Rang	#383	Overall
	#41	Time Series DBMS

Punkte	18,96
Rang	#33	Overall
	#20	Relational DBMS

Punkte	0,00
Rang	#382	Overall
	#59	Key-Value Stores

Punkte	0,11
Rang	#341	Overall
	#150	Relational DBMS

Website

github.com/dolthub/dolt
www.dolthub.com

nsdb.io

spark.apache.org/sql

swaydb.simer.au

www.transaction.de/en/products/transbase.html

Technische Dokumentation

docs.dolthub.com

nsdb.io/Architecture

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

www.transaction.de/en/products/transbase/features.html

Entwickler

DoltHub Inc

Apache Software Foundation

Simer Plaha

Transaction Software GmbH

Erscheinungsjahr

2018

2017

2014

2018

1987

Aktuelle Version

3.5.0 ( 2.13), September 2023

Transbase 8.3, 2022

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

Apache Version 2.0

Open Source

Apache 2.0

Open Source

GNU Affero GPL V3.0

kommerziell

Development Lizenz gratis

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

Java, Scala

Scala

C und C++

Server Betriebssysteme

Linux
macOS
Windows

Linux
macOS

Linux
OS X
Windows

FreeBSD
Linux
macOS
Solaris
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

nein

XML Unterstützung

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

nein

Sekundärindizes

all fields are automatically indexed

nein

SQL

Support of SQL

SQL-like query language

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

CLI Client
HTTP REST

gRPC
HTTP REST
WebSocket

JDBC
ODBC

ADO.NET
JDBC
ODBC
Proprietäres native API

Unterstützte Programmiersprachen

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Java
Scala

Java
Python
R
Scala

Java
Kotlin
Scala

C
C#
C++
Java
JavaScript
Kotlin
Objective-C
PHP
Python

Server-seitige Scripts

Stored Procedures

yes

currently in alpha release

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

A database can be cloned to multiple locations and be used there in isolation. Data/schema changes can be pushed/pulled explicitly between locations.

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Atomic execution of operations

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Only one user is configurable, and must be specified in the config file at startup

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Top Data Version Control Tools for Machine Learning Research in 2023
24. Juli 2023, MarkTechPost

Dolt, a Relational Database with Git-Like Cloning Features
19. August 2020, The New Stack

Data Versioning at Scale: Chaos and Chaos Management
10. Februar 2023, InfoQ.com

Radar Trends to Watch: July 2022 – O'Reilly
5. Juli 2022, oreilly.com

Are you still not using Version Control for Data?
11. April 2020, Towards Data Science

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

Performant IPv4 Range Spark Joins | by Jean-Claude Cote
24. Januar 2024, Towards Data Science

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