DBMS > NSDb vs. Spark SQL vs. Vitess vs. XTDB

Vergleich der Systemeigenschaften NSDb vs. Spark SQL vs. Vitess vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

Scalable, distributed, cloud-native DBMS, extending MySQL

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

Document Store

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	0,08
Rang	#369	Overall
	#40	Time Series DBMS

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

Punkte	0,88
Rang	#203	Overall
	#95	Relational DBMS

Punkte	0,18
Rang	#332	Overall
	#46	Document Stores

Website

nsdb.io

spark.apache.org/sql

vitess.io

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

nsdb.io/Architecture

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

vitess.io/docs

www.xtdb.com/docs

Entwickler

Apache Software Foundation

The Linux Foundation, PlanetScale

Juxt Ltd.

Erscheinungsjahr

2017

2014

2013

2019

Aktuelle Version

3.5.0 ( 2.13), September 2023

15.0.2, December 2022

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

Apache 2.0

Open Source

Apache Version 2.0, commercial licenses available

Open Source

MIT License

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, Scala

Scala

Clojure

Server Betriebssysteme

Linux
macOS

Linux
OS X
Windows

Docker
Linux
macOS

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

all fields are automatically indexed

nein

SQL

Support of SQL

SQL-like query language

SQL-like DML and DDL statements

mit proprietären Erweiterungen

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

gRPC
HTTP REST
WebSocket

JDBC
ODBC

ADO.NET
JDBC
MySQL protocol
ODBC

HTTP REST
JDBC

Unterstützte Programmiersprachen

Java
Scala

Java
Python
R
Scala

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Clojure
Java

Server-seitige Scripts

Stored Procedures

nein

proprietäre Syntax

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation
Source-Replica Replikation

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Eventual Consistency across shards
Immediate Consistency within a shard

Fremdschlüssel

referenzielle Integrität

nein

nicht für MyISAM Storage Engine

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID at shard level

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Table Locks oder Row Locks abhängig von Storage Engine

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept

keine Benutzergruppen oder 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

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

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 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

PlanetScale Unveils Distributed MySQL Database Service Based on Vitess
18. Mai 2021, Datanami

PlanetScale grabs YouTube-developed open-source tech, promises Vitess DBaaS with on-the-fly schema changes
18. Mai 2021, The Register

They scaled YouTube -- now they’ll shard everyone with PlanetScale
13. Dezember 2018, TechCrunch

With Vitess 4.0, database vendor matures cloud-native platform
13. November 2019, TechTarget

Massively Scaling MySQL Using Vitess
19. Februar 2019, InfoQ.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk