DBMS > FatDB vs. InfluxDB vs. OushuDB vs. RDF4J vs. Spark SQL

Vergleich der Systemeigenschaften FatDB vs. InfluxDB vs. OushuDB vs. RDF4J vs. Spark SQL

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

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

DBMS for storing time series, events and metrics

A data warehouse powered by Apache HAWQ supporting descriptive analysis and advanced machine learning

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

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

Primäres Datenbankmodell

Document Store
Key-Value Store

Sekundäre Datenbankmodelle

Spatial DBMS

with GEO package

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

Punkte	25,83
Rang	#28	Overall
	#1	Time Series DBMS

Punkte	0,04
Rang	#363	Overall
	#154	Relational DBMS

Punkte	0,69
Rang	#230	Overall
	#9	RDF Stores

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

Website

www.influxdata.com/products/influxdb-overview

www.oushu.com/product/oushuDB

rdf4j.org

spark.apache.org/sql

Technische Dokumentation

docs.influxdata.com/influxdb

www.oushu.com/documentation

rdf4j.org/documentation

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

Entwickler

FatCloud

Oushu

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Apache Software Foundation

Erscheinungsjahr

2012

2013

2004

2014

Aktuelle Version

2.7.6, April 2024

4.0.1, August 2020

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

MIT-License; commercial enterprise version available

kommerziell

Open Source

Eclipse Distribution License (EDL), v1.0.

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

Java

Scala

Server Betriebssysteme

Windows

Linux
OS X

through Homebrew

Linux

Linux
OS X
Unix
Windows

Linux
OS X
Windows

Datenschema

schemafrei

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numeric data and Strings

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 query language

Full-featured ANSI SQL support

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

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

HTTP API
JSON over UDP

JDBC
ODBC

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

JDBC
ODBC

Unterstützte Programmiersprachen

.Net
Clojure
Erlang
Go
Haskell
Java
JavaScript
JavaScript (Node.js)
Lisp
Perl
PHP
Python
R
Ruby
Rust
Scala

C
C++

Java
PHP
Python

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

Ãœber Applikationen

nein

Triggers

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

in enterprise version only

keine

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

in enterprise version only

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Hadoop integration

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

nein

ACID

Isolation abhängig vom verwendeten API

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-memory Storage wird ebenfalls unterstützt

In-Memory Unterstützung

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

Depending on used storage engine

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Security Layer kann über Applikationen implementiert werden

Einfache Rechteverwaltung mit Benutzeraccounts

Kerberos, SSL and role based access

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

InfluxData is the creator of InfluxDB , the open source time series database. It...
» mehr

Competitive advantages

Time to Value InfluxDB is available in all the popular languages and frameworks,...
» mehr

Typical application scenarios

IoT & Sensor Monitoring Developers are witnessing the instrumentation of every available...
» mehr

Key customers

InfluxData has more than 1,900 paying customers, including customers include MuleSoft,...
» mehr

Market metrics

Fastest-growing database to drive 27,500 GitHub stars Over 750,000 daily active instances
» mehr

Licensing and pricing models

Open source core with closed source clustering available either on-premise or on...
» mehr

Neuigkeiten

An Introductory Guide to Grafana Alerts
16. Mai 2024

What to Expect When You’re Expecting InfluxDB: A Guide
14. Mai 2024

Introduction to Apache Iceberg
9. Mai 2024

Converting Timestamp to Date in Java
7. Mai 2024

A Detailed Guide to C# TimeSpan
2. Mai 2024

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

Why Build a Time Series Data Platform?
20. Juli 2017, Paul Dix (guest author)

Time Series DBMS are the database category with the fastest increase in popularity
4. Juli 2016, Matthias Gelbmann

Time Series DBMS as a new trend?
1. Juni 2015, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Run and manage open source InfluxDB databases with Amazon Timestream | Amazon Web Services
14. März 2024, AWS Blog

InfluxData Collaborating with AWS to Bring InfluxDB and Time Series Analytics to Developers Around the World
14. März 2024, businesswire.com

Amazon Timestream: Managed InfluxDB for Time Series Data
14. März 2024, The New Stack

How the FDAP Stack Gives InfluxDB 3.0 Real-Time Speed, Efficiency
15. März 2024, Datanami

AWS and InfluxData partner to offer managed time series database Timestream for InfluxDB
5. April 2024, VentureBeat

bereitgestellt von Google News

China's answer to Snowflake is shaping as data demands upgrade
8. September 2021, PingWest

bereitgestellt von Google News

GraphDB Goes Open Source
27. Januar 2020, iProgrammer

bereitgestellt von Google News

Feature Engineering for Time-Series Using PySpark on Databricks
15. Mai 2024, Towards Data Science

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

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