DBMS > Machbase Neo vs. Spark SQL vs. TimesTen vs. Trafodion

Vergleich der Systemeigenschaften Machbase Neo vs. Spark SQL vs. TimesTen vs. Trafodion

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

TimeSeries DBMS for AIoT and BigData

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

In-Memory RDBMS compatible to Oracle

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

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

Punkte	0,12
Rang	#339	Overall
	#30	Time Series DBMS

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

Punkte	1,31
Rang	#163	Overall
	#74	Relational DBMS

Website

machbase.com

spark.apache.org/sql

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

trafodion.apache.org

Technische Dokumentation

machbase.com/dbms

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

docs.oracle.com/database/timesten-18.1

trafodion.apache.org/documentation.html

Entwickler

Machbase

Apache Software Foundation

Oracle, TimesTen Performance Software, HP

originally founded in HP Labs it was acquired by Oracle in 2005

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2013

2014

1998

2014

Aktuelle Version

V8.0, August 2023

3.5.0 ( 2.13), September 2023

11 Release 2 (11.2.2.8.0)

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

kommerziell

free test version available

Open Source

Apache 2.0

kommerziell

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

Scala

C++, Java

Server Betriebssysteme

Linux
macOS
Windows

Linux
OS X
Windows

AIX
HP-UX
Linux
OS X
Solaris SPARC/x86
Windows

Linux

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 query language

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

gRPC
HTTP REST
JDBC
MQTT (Message Queue Telemetry Transport)
ODBC

JDBC
ODBC

JDBC
ODBC
ODP.NET
Oracle Call Interface (OCI)

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

C
C#
C++
Go
Java
JavaScript
PHP

via ODBC
Python
R

via ODBC
Scala

Java
Python
R
Scala

C
C++
Java
PL/SQL

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

nein

PL/SQL

Java Stored Procedures

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

selectable replication factor

keine

Multi-Source Replikation
Source-Replica Replikation

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency depending on configuration

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

nein

by means of logfiles and checkpoints

In-Memory Unterstützung

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

volatile and lookup table

nein

Berechtigungskonzept

Zugriffskontrolle

einfacher Passwort-basierter Zugriffsschutz

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

“Luxembourg is a perfect target area”: Korean accelerator exec
27. Oktober 2022, Delano.lu

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

The Intel Xeon E7-8800 v3 Review: The POWER8 Killer?
8. Mai 2015, AnandTech

bereitgestellt von Google News

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

HP Throws Trafodion Hat into OLTP Hadoop Ring
14. Juli 2014, Datanami

Low-latency, distributed database architectures are critical for emerging fog applications
7. April 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk