DBMS > InfinityDB vs. Sadas Engine vs. Spark SQL vs. TerarkDB

Vergleich der Systemeigenschaften InfinityDB vs. Sadas Engine vs. Spark SQL vs. TerarkDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

SADAS Engine is a columnar DBMS specifically designed for high performance in data warehouse environments

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

A key-value store forked from RocksDB with advanced compression algorithms. It can be used standalone or as a storage engine for MySQL and MongoDB

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Key-Value Store

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

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

Punkte	0,00
Rang	#383	Overall
	#158	Relational DBMS

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

Punkte	0,00
Rang	#383	Overall
	#60	Key-Value Stores

Website

boilerbay.com

www.sadasengine.com

spark.apache.org/sql

github.com/bytedance/terarkdb

Technische Dokumentation

boilerbay.com/infinitydb/manual

www.sadasengine.com/en/sadas-engine-download-free-trial-and-documentation/#documentation

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

bytedance.larkoffice.com/docs/doccnZmYFqHBm06BbvYgjsHHcKc

Entwickler

Boiler Bay Inc.

SADAS s.r.l.

Apache Software Foundation

ByteDance, originally Terark

Erscheinungsjahr

2002

2006

2014

2016

Aktuelle Version

4.0

8.0

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

free trial version available

Open Source

Apache 2.0

kommerziell

restricted open source version available

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++

Scala

C++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

AIX
Linux
Windows

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

nein

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 DML and DDL statements

nein

APIs und andere Zugriffskonzepte

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

JDBC
ODBC
Proprietäres Protokoll

JDBC
ODBC

C++ API
Java API

Unterstützte Programmiersprachen

Java

.Net
C
C#
C++
Groovy
Java
PHP
Python

Java
Python
R
Scala

C++
Java

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

horizontale Partitionierung

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

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

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

managed by 'Learn by Usage'

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Access rights for users, groups and roles according to 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

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

Feature Engineering for Time-Series Using PySpark on Databricks
8. Mai 2024, Towards Data Science

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

bereitgestellt von Google News

A Chinese company is making the cloud 200x faster · TechNode
3. Juli 2017, TechNode

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk