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

Vergleich der Systemeigenschaften FatDB vs. Spark SQL vs. Tarantool 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

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

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

In-memory computing platform with a flexible data schema for efficiently building high-performance applications

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

Primäres Datenbankmodell

Document Store
Key-Value Store

Relational DBMS

Document Store
Key-Value Store
Relational DBMS

Document Store

Sekundäre Datenbankmodelle

Spatial DBMS

with Tarantool/GIS extension

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

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

Punkte	1,72
Rang	#144	Overall
	#25	Document Stores
	#25	Key-Value Stores
	#66	Relational DBMS

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

Website

spark.apache.org/sql

www.tarantool.io

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

Technische Dokumentation

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

www.tarantool.io/en/doc

www.xtdb.com/docs

Entwickler

FatCloud

Apache Software Foundation

Juxt Ltd.

Erscheinungsjahr

2012

2014

2008

2019

Aktuelle Version

3.5.0 ( 2.13), September 2023

2.10.0, Mai 2022

1.19, September 2021

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

BSD-2, source-available extensions (modules), commercial licenses for Tarantool Enterprise

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

Scala

C und C++

Clojure

Server Betriebssysteme

Windows

Linux
OS X
Windows

BSD
Linux
macOS

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

Datenschema

schemafrei

Flexible data schema: relational definition for tables with ability to store json-like documents in columns

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

string, double, decimal, uuid, integer, blob, boolean, datetime

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

Full-featured ANSI SQL support

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

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

JDBC
ODBC

Open binary protocol

HTTP REST
JDBC

Unterstützte Programmiersprachen

Java
Python
R
Scala

C
C#
C++
Erlang
Go
Java
JavaScript
Lua
Perl
PHP
Python
Rust

Clojure
Java

Server-seitige Scripts

Stored Procedures

Ãœber Applikationen

nein

Lua, C and SQL stored procedures

nein

Triggers

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

Sharding, partitioned with virtual buckets by user defined affinity key. Live resharding for scale up and scale down without maintenance downtime.

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

Asynchronous replication with multi-master option
Configurable replication topology (full-mesh, chain, star)
Synchronous quorum replication (with Raft)

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
Immediate Consistency

Casual consistency across sharding partitions
Eventual consistency within replicaset partition

when using asyncronous replication
Immediate Consistency within single instance
Sequential consistency including linearizable read within replicaset partition

when using Raft

Fremdschlüssel

referenzielle Integrität

nein

yes

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID, with serializable isolation and linearizable read (within partition); Configurable MVCC (within partition); No cross-shard distributed transactions

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, write ahead logging

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

yes, full featured in-memory storage engine with persistence

Berechtigungskonzept

Zugriffskontrolle

nein

Security Layer kann über Applikationen implementiert werden

nein

Access Control Lists
Mutual TLS authentication for Tarantol Enterprise
Password based authentication
Role-based access control (RBAC) and LDAP for Tarantol Enterprise
Users and Roles

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

DB-Engines Blog Posts

Data processing speed and reliability: in-memory synchronous replication
9. November 2021, Vladimir Perepelytsya, Tarantool (sponsor)

alle anzeigen

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

In-Memory Showdown: Redis vs. Tarantool
4. April 2023, Хабр

TaranHouse: New Big Data Warehouse Announced by Tarantool
4. April 2018, Newswire

Tarantool Announces New Enterprise Version With Enhanced Scaling and Monitoring Capabilities
18. Mai 2018, Newswire

Deploying Tarantool Cartridge applications with zero effort (Part 1)
16. Dezember 2019, Хабр

Deploying Tarantool Cartridge applications with zero effort (Part 2)
13. April 2020, Хабр

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk