DBMS > Kinetica vs. Oracle Berkeley DB vs. Spark SQL vs. TerarkDB vs. VoltDB

Vergleich der Systemeigenschaften Kinetica vs. Oracle Berkeley DB vs. Spark SQL vs. TerarkDB vs. VoltDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Fully vectorized database across both GPUs and CPUs

Weit verbreiteter In-Process Key-Value Store

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

Verteilte In-Memory NewSQL RDBMS

Verwendet für OLTP Applikationen mit einer hohen Frequenz an relativ einfachen Transaktionen, die alle Daten im Hauptspeicher halten können

Primäres Datenbankmodell

Relational DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Relational DBMS

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

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

Punkte	0,64
Rang	#236	Overall
	#109	Relational DBMS

Punkte	2,21
Rang	#117	Overall
	#20	Key-Value Stores
	#3	Native XML DBMS

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

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

Punkte	1,44
Rang	#158	Overall
	#73	Relational DBMS

Website

www.kinetica.com

www.oracle.com/database/technologies/related/berkeleydb.html

spark.apache.org/sql

github.com/bytedance/terarkdb

www.voltdb.com

Technische Dokumentation

docs.kinetica.com

docs.oracle.com/cd/E17076_05/html/index.html

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

bytedance.larkoffice.com/docs/doccnZmYFqHBm06BbvYgjsHHcKc

docs.voltdb.com

Entwickler

Kinetica

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Apache Software Foundation

ByteDance, originally Terark

VoltDB Inc.

Erscheinungsjahr

2012

1994

2014

2016

2010

Aktuelle Version

7.1, August 2021

18.1.40, Mai 2020

3.5.0 ( 2.13), September 2023

11.3, April 2022

Lizenz

Commercial or Open Source

kommerziell

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

Open Source

Apache 2.0

kommerziell

restricted open source version available

Open Source

AGPL für Community Edition, kommerzielle Lizenz für Enterprise, AWS und Pro Editionen

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, C++

C, Java, C++ (depending on the Berkeley DB edition)

Scala

C++

Java, C++

Server Betriebssysteme

Linux

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux
OS X
Windows

Linux
OS X

for development

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

only with the Berkeley DB XML edition

nein

Sekundärindizes

nein

SQL

Support of SQL

SQL-like DML and DDL statements

SQL Interface basierend auf SQLite verfügbar

SQL-like DML and DDL statements

nein

nur einen Teil von SQL 99

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

JDBC
ODBC

C++ API
Java API

Java API
JDBC
RESTful HTTP/JSON API

Unterstützte Programmiersprachen

C++
Java
JavaScript (Node.js)
Python

.Net

Figaro is a .Net framework assembly that extends Berkeley DB XML into an embeddable database engine for .NET
Andere

Es gibt Libraries von Drittanbietern für zahlreiche Sprachen, die Berkeley DB Files bearbeiten können
C
C#
C++
Java
JavaScript (Node.js)

3rd party binding
Perl
Python
Tcl

Java
Python
R
Scala

C++
Java

C#
C++
Erlang

nicht offiziell unterstützt
Go
Java
JavaScript

Node.js
PHP
Python

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Java

Triggers

triggers when inserted values for one or more columns fall within a specified range

only for the SQL API

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

yes, utilizing Spark Core

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency depending on configuration

Fremdschlüssel

referenzielle Integrität

nein

FOREIGN KEY constraints werden nicht unterstützt

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

ACID

Transaktionen werden single-threaded innerhalb von Stored Procedures ausgeführt

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Datenzugriffe werden vom Server serialisiert

Durability

Dauerhafte Speicherung der Daten

Snapshots und Command Logging

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

GPU vRAM or System RAM

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

nein

Benutzer und Rollen mit Berechtigungen auf Stored Procedures

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

Kinetica Delivers Real-Time Vector Similarity Search
21. März 2024, insideBIGDATA

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica Launches Generative AI Solution for Real-Time Inferencing Powered by NVIDIA AI Enterprise
18. März 2024, GlobeNewswire

Kinetica Delivers Real-Time Vector Similarity Search
22. März 2024, Geospatial World

bereitgestellt von Google News

Margo Seltzer Named ACM Athena Lecturer for Technical and Mentoring Contributions
26. April 2023, HPCwire

ACM recognizes far-reaching technical achievements with special awards
26. Mai 2021, EurekAlert

Margo I. Seltzer | Berkman Klein Center
18. August 2020, Berkman Klein Center

Database Trends Report: SQL Beats NoSQL, MySQL Most Popular -- ADTmag
5. März 2019, ADT Magazine

How to store financial market data for backtesting
26. Januar 2019, Towards Data Science

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

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

bereitgestellt von Google News

Unveiling Volt Active Data's game-changing approach to limitless app performance
16. Oktober 2023, YourStory

VoltDB Launches Active(N) Lossless Cross Data Center Replication
31. August 2021, PR Newswire

VoltDB Turns to Real-Time Analytics with NewSQL Database
30. Januar 2014, Datanami

VoltDB Upgrades Power, Security of Its In-Memory Database
1. Februar 2017, eWeek

VoltDB Adds Geospatial Support, Cross-Site Replication
28. Januar 2016, The New Stack

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk