DBMS > InfinityDB vs. NSDb vs. Spark SQL vs. Transbase vs. Yaacomo

Vergleich der Systemeigenschaften InfinityDB vs. NSDb vs. Spark SQL vs. Transbase vs. Yaacomo

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yaacomo seems to be discontinued and is removed from the DB-Engines ranking

Kurzbeschreibung

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

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

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

A resource-optimized, high-performance, universally applicable RDBMS

OpenCL based in-memory RDBMS, designed for efficiently utilizing the hardware via parallel computing

Primäres Datenbankmodell

Key-Value Store

Time Series DBMS

Relational DBMS

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

Punkte	0,07
Rang	#359	Overall
	#54	Key-Value Stores

Punkte	0,00
Rang	#396	Overall
	#42	Time Series DBMS

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

Punkte	0,15
Rang	#337	Overall
	#147	Relational DBMS

Website

boilerbay.com

nsdb.io

spark.apache.org/sql

www.transaction.de/en/products/transbase.html

yaacomo.com

Technische Dokumentation

boilerbay.com/infinitydb/manual

nsdb.io/Architecture

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

www.transaction.de/en/products/transbase/features.html

Entwickler

Boiler Bay Inc.

Apache Software Foundation

Transaction Software GmbH

Q2WEB GmbH

Erscheinungsjahr

2002

2017

2014

1987

2009

Aktuelle Version

4.0

3.5.0 ( 2.13), September 2023

Transbase 8.3, 2022

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

Open Source

Apache 2.0

kommerziell

Development Lizenz gratis

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

Java, Scala

Scala

C und C++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux
macOS

Linux
OS X
Windows

FreeBSD
Linux
macOS
Solaris
Windows

Android
Linux
Windows

Datenschema

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

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

yes: int, bigint, decimal, string

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

all fields are automatically indexed

nein

SQL

Support of SQL

nein

SQL-like query language

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)

gRPC
HTTP REST
WebSocket

JDBC
ODBC

ADO.NET
JDBC
ODBC
Proprietäres native API

JDBC
ODBC

Unterstützte Programmiersprachen

Java

Java
Scala

Java
Python
R
Scala

C
C#
C++
Java
JavaScript
Kotlin
Objective-C
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

yes, utilizing Spark Core

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Source-Replica Replikation

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

Eventual Consistency

Immediate Consistency

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

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

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

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