DBMS > Apache Impala vs. HEAVY.AI vs. IRONdb

Vergleich der Systemeigenschaften Apache Impala vs. HEAVY.AI vs. IRONdb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

IRONdb seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Analytic DBMS für Hadoop

A high performance, column-oriented RDBMS, specifically developed to harness the massive parallelism of modern CPU and GPU hardware

A distributed Time Series DBMS with a focus on scalability, fault tolerance and operational simplicity

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Sekundäre Datenbankmodelle

Document Store

Spatial DBMS

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

Punkte	14,03
Rang	#40	Overall
	#24	Relational DBMS

Punkte	2,10
Rang	#126	Overall
	#61	Relational DBMS

Website

impala.apache.org

github.com/heavyai/heavydb
www.heavy.ai

www.circonus.com/solutions/time-series-database/

Technische Dokumentation

impala.apache.org/impala-docs.html

docs.heavy.ai

docs.circonus.com/irondb/category/getting-started

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

HEAVY.AI, Inc.

Circonus LLC.

Erscheinungsjahr

2013

2016

2017

Aktuelle Version

4.1.0, Juni 2022

5.10, Jänner 2022

V0.10.20, January 2018

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2; enterprise edition available

kommerziell

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++

C++ and CUDA

C und C++

Server Betriebssysteme

Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

text, numeric, histograms

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

SQL-like DML and DDL statements

SQL-like query language (Circonus Analytics Query Language: CAQL)

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC
ODBC
Thrift
Vega

HTTP API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

All languages supporting JDBC/ODBC/Thrift
Python

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

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

yes, in Lua

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

Automatic, metric affinity per node

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Multi-Source Replikation

configurable replication factor, datacenter aware

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als Map/Reduce Jobs durchgeführt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Immediate consistency per node, eventual consistency across nodes

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Apache Impala 4 Supports Operator Multi-Threading
29. Juli 2021, iProgrammer

Apache Impala becomes Top-Level Project
28. November 2017, SDTimes.com

Cloudera Bringing Impala to AWS Cloud
28. November 2017, Datanami

Apache Doris just 'graduated': Why care about this SQL data warehouse
24. Juni 2022, InfoWorld

Hudi: Uber Engineering’s Incremental Processing Framework on Apache Hadoop
12. März 2017, Uber

bereitgestellt von Google News

HEAVY.AI Introduces HeavyIQ, Delivering Powerful Conversational Analytics Focused on Location and Time Data
19. März 2024, Datanami

Big Data Analytics: A Game Changer for Infrastructure
13. Juli 2023, Spiceworks News and Insights

HEAVY.AI Launches HEAVY 7.0, Introducing Real-Time Machine Learning Capabilities
19. April 2023, Business Wire

Making the most of geospatial intelligence
14. April 2023, InfoWorld

The insideBIGDATA IMPACT 50 List for Q4 2023
11. Oktober 2023, insideBIGDATA

bereitgestellt von Google News

Application observability firm Apica buys telemetry data startup Circonus and adds more funding
21. Februar 2024, SiliconANGLE News

Apica Acquires Telemetry Data Management Pioneer Circonus And Lands New Funding
22. Februar 2024, Datanami

Apica gets $6 million in funding and buys Circonus -
21. Februar 2024, Enterprise Times

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk