DBMS > Dragonfly vs. FatDB vs. Spark SQL vs. XTDB

Vergleich der Systemeigenschaften Dragonfly vs. FatDB vs. Spark SQL vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Das Unternehmen FatDB/FatCloud hat im Februar 2014 seine Tätigkeit beendet. FatDB wurde eingestellt und erscheint deshalb nicht mehr im Ranking.

Kurzbeschreibung

A drop-in Redis replacement that scales vertically to support millions of operations per second and terabyte sized workloads, all on a single instance

Ein .NET NoSQL DBMS, das in SQL Server integriert werden kann.

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

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Key-Value Store

Document Store
Key-Value Store

Relational DBMS

Document Store

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

Punkte	0,41
Rang	#266	Overall
	#38	Key-Value Stores

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

Punkte	0,11
Rang	#343	Overall
	#46	Document Stores

Website

github.com/dragonflydb/dragonfly
www.dragonflydb.io

spark.apache.org/sql

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

www.dragonflydb.io/docs

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

www.xtdb.com/docs

Entwickler

DragonflyDB team and community contributors

FatCloud

Apache Software Foundation

Juxt Ltd.

Erscheinungsjahr

2023

2012

2014

2019

Aktuelle Version

1.0, March 2023

3.5.0 ( 2.13), September 2023

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

BSL 1.1

kommerziell

Open Source

Apache 2.0

Open Source

MIT License

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

Clojure

Server Betriebssysteme

Linux

Windows

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

strings, hashes, lists, sets, sorted sets, bit arrays

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

nein

Ãœber Integration mit SQL Server

SQL-like DML and DDL statements

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

Proprietäres Protokoll

RESP - REdis Serialization Protocol

.NET Client API
LINQ
RESTful HTTP API
RPC
Windows WCF Bindings

JDBC
ODBC

HTTP REST
JDBC

Unterstützte Programmiersprachen

C
C#
C++
Clojure
D
Dart
Elixir
Erlang
Go
Haskell
Java
JavaScript (Node.js)
Lisp
Lua
Objective-C
Perl
PHP
Python
R
Ruby
Rust
Scala
Swift
Tcl

Java
Python
R
Scala

Clojure
Java

Server-seitige Scripts

Stored Procedures

Lua

Ãœber Applikationen

nein

Triggers

publish/subscribe channels provide some trigger functionality

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

frei wählbarer Replikationsfaktor

keine

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

Atomic execution of command blocks and scripts

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, strict serializability by the server

Durability

Dauerhafte Speicherung der Daten

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Password-based authentication

nein

Security Layer kann über Applikationen implementiert werden

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

DragonflyDB Announces $21m in New Funding and General Availability
21. März 2023, businesswire.com

DragonflyDB reels in $21M for its speedy in-memory database
21. März 2023, SiliconANGLE News

DragonflyDB Raises $21M in Funding
21. März 2023, FinSMEs

Dragonfly 1.0 Released For What Claims To Be The World's Fastest In-Memory Data Store
20. März 2023, Phoronix

Intel Linux Kernel Optimizations Show Huge Benefit For High Core Count Servers
29. März 2023, Phoronix

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