DBMS > EsgynDB vs. Spark SQL vs. Stardog vs. Trafodion

Vergleich der Systemeigenschaften EsgynDB vs. Spark SQL vs. Stardog vs. Trafodion

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

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

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

Enterprise Knowledge Graph platform and graph DBMS with high availability, high performance reasoning, and virtualization

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Relational DBMS

Graph DBMS
RDF Store

Relational DBMS

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

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

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

Punkte	2,02
Rang	#123	Overall
	#11	Graph DBMS
	#6	RDF Stores

Website

Technische Dokumentation

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

docs.stardog.com

trafodion.apache.org/documentation.html

Entwickler

Esgyn

Apache Software Foundation

Stardog-Union

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2015

2014

2010

2014

Aktuelle Version

3.5.0 ( 2.13), September 2023

7.3.0, Mai 2020

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

kommerziell

60-day fully-featured trial license; 1-year fully-featured non-commercial use license for academics/students

Open Source

Apache 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++, Java

Scala

Java

C++, Java

Server Betriebssysteme

Linux

Linux
OS X
Windows

Linux
macOS
Windows

Linux

Datenschema

schema-free and OWL/RDFS-schema support

Typisierung

vordefinierte Datentypen, z.B. float oder date

XML Unterstützung

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

nein

Importieren/Exportieren von XML Daten möglich

nein

Sekundärindizes

nein

supports real-time indexing in full-text and geospatial

SQL

Support of SQL

SQL-like DML and DDL statements

Yes, compatible with all major SQL variants through dedicated BI/SQL Server

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC

GraphQL query language
HTTP API
Jena RDF API
OWL
RDF4J API
Sesame REST HTTP Protocol
SNARL
SPARQL
Spring Data
Stardog Studio
TinkerPop 3

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

Java
Python
R
Scala

.Net
Clojure
Groovy
Java
JavaScript
Python
Ruby

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

user defined functions and aggregates, HTTP Server extensions in Java

Java Stored Procedures

Triggers

nein

via event handlers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-source replication between multi datacenters

keine

Multi-Source Replikation in HA-Cluster

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Immediate Consistency in HA-Cluster

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Beziehungen in Graphen

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

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

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Zugriffsrechte für Benutzer und Rollen

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

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

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

bereitgestellt von Google News

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

HP Throws Trafodion Hat into OLTP Hadoop Ring
14. Juli 2014, Datanami

Low-latency, distributed database architectures are critical for emerging fog applications
7. April 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk