DBMS > InfinityDB vs. IRONdb vs. Spark SQL vs. Valentina Server

Vergleich der Systemeigenschaften InfinityDB vs. IRONdb vs. Spark SQL vs. Valentina Server

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

A Java embedded Key-Value Store which extends the Java Map interface

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

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

Object-relational database and reports server

Primäres Datenbankmodell

Key-Value Store

Time Series DBMS

Relational DBMS

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

Punkte	0,00
Rang	#378	Overall
	#57	Key-Value Stores

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

Punkte	0,17
Rang	#327	Overall
	#145	Relational DBMS

Website

boilerbay.com

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

spark.apache.org/sql

www.valentina-db.net

Technische Dokumentation

boilerbay.com/infinitydb/manual

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

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

valentina-db.com/docs/dokuwiki/v5/doku.php

Entwickler

Boiler Bay Inc.

Circonus LLC.

Apache Software Foundation

Paradigma Software

Erscheinungsjahr

2002

2017

2014

1999

Aktuelle Version

4.0

V0.10.20, January 2018

3.5.0 ( 2.13), September 2023

5.7.5

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

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

Java

C und C++

Scala

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux

Linux
OS X
Windows

Datenschema

nested virtual Java Maps, multi-value, logical â€˜tuple spaceâ€™ runtime Schema upgrade

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

all Java primitives, Date, CLOB, BLOB, huge sparse arrays

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

manual creation possible, using inversions based on multi-value capability

nein

SQL

Support of SQL

nein

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

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

Access via java.util.concurrent.ConcurrentNavigableMap Interface
Proprietary API to InfinityDB ItemSpace (boilerbay.com/docs/ItemSpaceDataStructures.htm)

HTTP API

JDBC
ODBC

ODBC

Unterstützte Programmiersprachen

Java

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

Java
Python
R
Scala

.Net
C
C#
C++
Objective-C
PHP
Ruby
Visual Basic
Visual Basic.NET

Server-seitige Scripts

Stored Procedures

nein

yes, in Lua

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Automatic, metric affinity per node

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

configurable replication factor, datacenter aware

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

READ-COMMITTED or SERIALIZED

Immediate consistency per node, eventual consistency across nodes

Fremdschlüssel

referenzielle Integrität

nein

manual creation possible, using inversions based on multi-value capability

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Optimistic locking for transactions; no isolation for bulk loads

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

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

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

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

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

A Look at Valentina — SitePoint
18. April 2014, SitePoint

MySQL GUI Tools for Windows and Ubuntu/Linux: Top 8 free or open source
7. Dezember 2018, H2S Media

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk