DBMS > EsgynDB vs. Hawkular Metrics vs. OrigoDB vs. Spark SQL vs. TerarkDB

Vergleich der Systemeigenschaften EsgynDB vs. Hawkular Metrics vs. OrigoDB vs. Spark SQL vs. TerarkDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

Hawkular metrics is the metric storage of the Red Hat sponsored Hawkular monitoring system. It is based on Cassandra.

A fully ACID in-memory object graph database

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

A key-value store forked from RocksDB with advanced compression algorithms. It can be used standalone or as a storage engine for MySQL and MongoDB

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Document Store
Object oriented DBMS

Relational DBMS

Key-Value Store

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

Punkte	0,16
Rang	#329	Overall
	#146	Relational DBMS

Punkte	0,00
Rang	#379	Overall
	#40	Time Series DBMS

Punkte	0,00
Rang	#383	Overall
	#53	Document Stores
	#20	Object oriented DBMS

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

Punkte	0,00
Rang	#383	Overall
	#60	Key-Value Stores

Website

github.com/bytedance/terarkdb

Technische Dokumentation

www.hawkular.org/hawkular-metrics/docs/user-guide

origodb.com/docs

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

bytedance.larkoffice.com/docs/doccnZmYFqHBm06BbvYgjsHHcKc

Entwickler

Esgyn

Community supported by Red Hat

Robert Friberg et al

Apache Software Foundation

ByteDance, originally Terark

Erscheinungsjahr

2015

2014

2009

under the name LiveDB

2014

2016

Aktuelle Version

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

Apache 2.0

kommerziell

restricted open source version available

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++, Java

Java

Scala

C++

Server Betriebssysteme

Linux

Linux
OS X
Windows

Linux
Windows

Linux
OS X
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

User defined using .NET types and collections

nein

XML Unterstützung

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

nein

can be achieved using .NET

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

HTTP REST

.NET Client API
HTTP API
LINQ

JDBC
ODBC

C++ API
Java API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

Go
Java
Python
Ruby

.Net

Java
Python
R
Scala

C++
Java

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

Triggers

nein

via Hawkular Alerting

Domain Events

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

horizontale Partitionierung

client side managed; servers are not synchronized

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-source replication between multi datacenters

frei wählbarer Replikationsfaktor

basierend auf Cassandra

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

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Fremdschlüssel

referenzielle Integrität

nein

depending on model

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Write ahead log

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Role based authorization

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

Waiting for Red Hat OpenShift 4.0? Too late, 4.1 has already arrived… • DEVCLASS
5. Juni 2019, DevClass

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