DBMS > Infobright vs. Netezza vs. Spark SQL vs. ToroDB

Vergleich der Systemeigenschaften Infobright vs. Netezza vs. Spark SQL vs. ToroDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

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

Kurzbeschreibung

High performant column-oriented DBMS for analytic workloads using MySQL or PostgreSQL as a frontend

Data Warehouse und Analytic Appliance integriert in IBM PureSystems

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

A MongoDB-compatible JSON document store, built on top of PostgreSQL

Primäres Datenbankmodell

Relational DBMS

Document Store

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

Punkte	1,02
Rang	#192	Overall
	#90	Relational DBMS

Punkte	8,59
Rang	#45	Overall
	#29	Relational DBMS

Punkte	18,04
Rang	#33	Overall
	#20	Relational DBMS

Website

ignitetech.com/softwarelibrary/infobrightdb

www.ibm.com/products/netezza

spark.apache.org/sql

github.com/torodb/server

Technische Dokumentation

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

Entwickler

Ignite Technologies Inc.; formerly InfoBright Inc.

IBM

Apache Software Foundation

8Kdata

Erscheinungsjahr

2005

2000

2014

2016

Aktuelle Version

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

kommerziell

The open source (GPLv2) version did not support inserts/updates/deletes and was discontinued with July 2016

kommerziell

Open Source

Apache 2.0

Open Source

AGPL-V3

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

Scala

Java

Server Betriebssysteme

Linux
Windows

Linux

In Appliance inkludiert

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java 7 VM

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

string, integer, double, boolean, date, object_id

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

Knowledge Grid Technology used instead

nein

SQL

Support of SQL

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC
OLE DB

JDBC
ODBC

Unterstützte Programmiersprachen

.Net
C
C#
C++
D
Eiffel
Erlang
Haskell
Java
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

C
C++
Fortran
Java
Lua
Perl
Python
R

Java
Python
R
Scala

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

yes, utilizing Spark Core

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

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

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

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

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

exploiting MySQL or PostgreSQL frontend capabilities

Benutzer mit feingranularem Berechtigungskonzept

nein

Zugriffsrechte für Benutzer und Rollen

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

IBM announces availability of the high-performance, cloud-native Netezza Performance Server as a Service on AWS
11. Juli 2023, ibm.com

AWS and IBM Netezza come out in support of Iceberg in table format face-off
1. August 2023, The Register

Migrating your Netezza data warehouse to Amazon Redshift | Amazon Web Services
27. Mai 2020, AWS Blog

Netezza Performance Server
12. August 2020, ibm.com

U.S. Navy Chooses Yellowbrick, Sunsets IBM Netezza
22. März 2023, Business Wire

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

Simba Technologies(R) Introduces New, Powerful JDBC Driver With SQL Connector for Apache Spark(TM)
17. März 2024, Yahoo Singapore News

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk