DBMS > Apache Impala vs. Realm vs. Spark SQL

Vergleich der Systemeigenschaften Apache Impala vs. Realm vs. Spark SQL

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

A DBMS built for use on mobile devices that’s a fast, easy to use alternative to SQLite and Core Data

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

Primäres Datenbankmodell

Relational DBMS

Document Store

Relational DBMS

Sekundäre Datenbankmodelle

Document Store

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

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

Punkte	7,71
Rang	#52	Overall
	#9	Document Stores

Punkte	19,15
Rang	#33	Overall
	#20	Relational DBMS

Website

impala.apache.org

realm.io

spark.apache.org/sql

Technische Dokumentation

impala.apache.org/impala-docs.html

realm.io/docs

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

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

Realm, acquired by MongoDB in May 2019

Apache Software Foundation

Erscheinungsjahr

2013

2014

Aktuelle Version

4.1.0, Juni 2022

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

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++

Scala

Server Betriebssysteme

Linux

Android
Backend: serverlos
iOS
Windows

Linux
OS X
Windows

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

.Net
Java

with Android only
Objective-C
React Native
Swift

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

nein

runs within the applications so server-side scripts are unnecessary

nein

Triggers

nein

Change Listeners

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

yes, utilizing Spark Core

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

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

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

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

In-Memory realm

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

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

MySQL, PostgreSQL and Redis are the winners of the March ranking
2. März 2016, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

Updates & Upserts in Hadoop Ecosystem with Apache Kudu
27. Oktober 2017, KDnuggets

bereitgestellt von Google News

Here are the winners of Nordic Startup Awards
31. Mai 2016, EU-Startups

Danish CEO explains Silicon Valley learning curve for European entrepreneurs - San Francisco Business Times
6. Oktober 2016, The Business Journals

MongoDB aims to unify developer experience with launch of MongoDB Cloud
9. Juni 2020, diginomica

Kotlin Programming Language Will Surpass Java On Android Next Year
15. Oktober 2017, Fossbytes

Is Swift the Future of Server-side Development?
12. September 2017, Solutions Review

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