DBMS > GeoMesa vs. KeyDB vs. Spark SQL vs. STSdb

Vergleich der Systemeigenschaften GeoMesa vs. KeyDB vs. Spark SQL vs. STSdb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

GeoMesa ist ein verteiltes spatio-temporal DBMS basierend auf verschiedenen Systemen als Storage Layer.

An ultra-fast, open source Key-value store fully compatible with Redis API, modules, and protocols

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

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

Punkte	0,78
Rang	#213	Overall
	#4	Spatial DBMS

Punkte	0,71
Rang	#226	Overall
	#33	Key-Value Stores

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

Punkte	0,04
Rang	#360	Overall
	#52	Key-Value Stores

Website

www.geomesa.org

github.com/Snapchat/KeyDB
keydb.dev

spark.apache.org/sql

github.com/STSSoft/STSdb4

Technische Dokumentation

www.geomesa.org/documentation/stable/user/index.html

docs.keydb.dev

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

Entwickler

CCRi und Andere

EQ Alpha Technology Ltd.

Apache Software Foundation

STS Soft SC

Erscheinungsjahr

2014

2019

2014

2011

Aktuelle Version

4.0.5, Februar 2024

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache License 2.0

Open Source

BSD-3

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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++

Scala

Server Betriebssysteme

Linux

Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

teilweise

Supported data types are strings, hashes, lists, sets and sorted sets, bit arrays, hyperloglogs and geospatial indexes

Primitive Typen und benutzerdefinierte Klassen

XML Unterstützung

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

nein

Sekundärindizes

by using the Redis Search module

nein

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

Proprietäres Protokoll

RESP - REdis Serialization Protoco

JDBC
ODBC

.NET Client API

Unterstützte Programmiersprachen

C
C#
C++
Clojure
Crystal
D
Dart
Elixir
Erlang
Fancy
Go
Haskell
Haxe
Java
JavaScript (Node.js)
Lisp
Lua
MatLab
Objective-C
OCaml
Pascal
Perl
PHP
Prolog
Pure Data
Python
R
Rebol
Ruby
Rust
Scala
Scheme
Smalltalk
Swift
Tcl
Visual Basic

Java
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

nein

Lua

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

abhängig von Storage layer

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

abhängig von Storage layer

Multi-Source Replikation
Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

abhängig von Storage layer

Eventual Consistency
Strong eventual consistency with CRDTs

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Optimistic locking, atomic execution of commands blocks and scripts

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Configurable mechanisms for persistency via snapshots and/or operations logs

In-Memory Unterstützung

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

abhängig von Storage layer

nein

Berechtigungskonzept

Zugriffskontrolle

anhängig von dem zur Speicherung verwendeten DBMS

einfacher Passwort-basierter Zugriffsschutz und ACL

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

DB-Engines Blog Posts

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Snap snaps up database developer KeyDB to make its infrastructure more snappy
12. Mai 2022, TechCrunch

Snap Acquires KeyDB for Open-Source Services
17. Mai 2022, XR Today

Garnet–open-source faster cache-store speeds up applications, services
18. März 2024, Microsoft

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

Microsoft open-sources Garnet cache-store -- a Redis rival?
19. März 2024, The Stack

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

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

Teilen sie diese Seite mit ihrem Netzwerk