DBMS > IBM Db2 Event Store vs. LeanXcale vs. Sequoiadb vs. Spark SQL

Vergleich der Systemeigenschaften IBM Db2 Event Store vs. LeanXcale vs. Sequoiadb vs. Spark SQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Distributed Event Store optimized for Internet of Things use cases

A highly scalable full ACID SQL database with fast NoSQL data ingestion and GIS capabilities

NewSQL database with distributed OLTP and SQL

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

Primäres Datenbankmodell

Event Store
Time Series DBMS

Key-Value Store
Relational DBMS

Document Store
Relational DBMS

Relational DBMS

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

Punkte	0,27
Rang	#309	Overall
	#2	Event Stores
	#28	Time Series DBMS

Punkte	0,36
Rang	#280	Overall
	#40	Key-Value Stores
	#129	Relational DBMS

Punkte	0,50
Rang	#258	Overall
	#41	Document Stores
	#120	Relational DBMS

Punkte	18,04
Rang	#33	Overall
	#20	Relational DBMS

Website

www.ibm.com/products/db2-event-store

www.leanxcale.com

www.sequoiadb.com

spark.apache.org/sql

Technische Dokumentation

www.ibm.com/docs/en/db2-event-store

www.sequoiadb.com/en/index.php?m=Files&a=index

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

Entwickler

IBM

LeanXcale

Sequoiadb Ltd.

Apache Software Foundation

Erscheinungsjahr

2017

2015

2013

2014

Aktuelle Version

2.0

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

free developer edition available

kommerziell

Open Source

Server: AGPL; Client: Apache V2

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 und C++

C++

Scala

Server Betriebssysteme

Linux

Linux, macOS, Windows for the developer addition

Linux

Linux
OS X
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

oid, date, timestamp, binary, regex

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

through the embedded Spark runtime

through Apache Derby

SQL-like query language

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

Proprietäres Protokoll basierend auf JSON

JDBC
ODBC

Unterstützte Programmiersprachen

C
C#
C++
Cobol
Delphi
Fortran
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby
Scala
Visual Basic

C
Java
Scala

.Net
C++
Java
PHP
Python

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

JavaScript

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active-active shard replication

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

während einer Transaktion wird das Dokument gesperrt

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

No - written data is immutable

Durability

Dauerhafte Speicherung der Daten

Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage

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

einfacher Passwort-basierter Zugriffsschutz

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

Erwähnungen in aktuellen Nachrichten

Advancements in streaming data storage, real-time analysis and machine learning
25. Juli 2019, IBM

How IBM Is Turning Db2 into an 'AI Database'
3. Juni 2019, Datanami

Best cloud databases of 2022
4. Oktober 2022, ITPro

Why a robust data management strategy is essential today | IBM HDM
19. September 2019, Express Computer

bereitgestellt von Google News

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

What is Apache Spark? The big data platform that crushed Hadoop
3. April 2024, InfoWorld

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 2024, Towards Data Science

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