DBMS > Graphite vs. Hawkular Metrics vs. SiteWhere vs. Spark SQL

Vergleich der Systemeigenschaften Graphite vs. Hawkular Metrics vs. SiteWhere vs. Spark SQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Data logging and graphing tool for time series data

The storage layer (fixed size database) is called Whisper

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

M2M Integrationsplatform zur Speicherung und Abfrage von Zeitserien

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

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

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

Punkte	4,57
Rang	#73	Overall
	#5	Time Series DBMS

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

Punkte	0,06
Rang	#356	Overall
	#35	Time Series DBMS

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

Website

github.com/graphite-project/graphite-web

www.hawkular.org

github.com/sitewhere/sitewhere

spark.apache.org/sql

Technische Dokumentation

graphite.readthedocs.io

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

sitewhere1.sitewhere.io/index.html

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

Entwickler

Chris Davis

Community supported by Red Hat

SiteWhere

Apache Software Foundation

Erscheinungsjahr

2006

2014

2010

2014

Aktuelle Version

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache 2.0

Open Source

Common Public Attribution License Version 1.0

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

Python

Java

Scala

Server Betriebssysteme

Linux
Unix

Linux
OS X
Windows

Datenschema

schemafrei

vordefiniertes Schema

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numeric data only

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

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

HTTP API
Sockets

HTTP REST

JDBC
ODBC

Unterstützte Programmiersprachen

JavaScript (Node.js)
Python

Go
Java
Python
Ruby

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

via Hawkular Alerting

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

basierend auf Cassandra

Sharding

basierend auf HBase

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

frei wählbarer Replikationsfaktor

basierend auf Cassandra

frei wählbarer Replikationsfaktor

basierend auf HBase

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

locking

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept

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

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

Grafana Labs Announces Mimir Time Series Database
1. April 2022, Datanami

The Billion Data Point Challenge: Building a Query Engine for High Cardinality Time Series Data
10. Dezember 2018, Uber

The value of time series data and TSDBs
10. Juni 2021, InfoWorld

InfluxDB: From Open Source Time Series Database to Millions in Revenue
3. März 2021, hackernoon.com

Top 10 open-source application monitoring tools
13. Juni 2017, TechGenix

bereitgestellt von Google News

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

bereitgestellt von Google News

11 Best Open source IoT Platforms To Develop Smart Projects
9. März 2023, H2S Media

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