DBMS > Netezza vs. Splice Machine vs. Stardog

Vergleich der Systemeigenschaften Netezza vs. Splice Machine vs. Stardog

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Data Warehouse und Analytic Appliance integriert in IBM PureSystems

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

Enterprise Knowledge Graph platform and graph DBMS with high availability, high performance reasoning, and virtualization

Primäres Datenbankmodell

Relational DBMS

Graph DBMS
RDF Store

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

Punkte	10,18
Rang	#46	Overall
	#29	Relational DBMS

Punkte	0,54
Rang	#255	Overall
	#116	Relational DBMS

Punkte	2,05
Rang	#129	Overall
	#11	Graph DBMS
	#6	RDF Stores

Website

www.ibm.com/products/netezza

splicemachine.com

www.stardog.com

Technische Dokumentation

splicemachine.com/how-it-works

docs.stardog.com

Entwickler

IBM

Splice Machine

Stardog-Union

Erscheinungsjahr

2000

2014

2010

Aktuelle Version

3.1, March 2021

7.3.0, Mai 2020

Lizenz

Commercial or Open Source

kommerziell

Open Source

AGPL 3.0, commercial license available

kommerziell

60-day fully-featured trial license; 1-year fully-featured non-commercial use license for academics/students

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

Server Betriebssysteme

Linux

In Appliance inkludiert

Linux
OS X
Solaris
Windows

Linux
macOS
Windows

Datenschema

schema-free and OWL/RDFS-schema support

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

Importieren/Exportieren von XML Daten möglich

Sekundärindizes

supports real-time indexing in full-text and geospatial

SQL

Support of SQL

Yes, compatible with all major SQL variants through dedicated BI/SQL Server

APIs und andere Zugriffskonzepte

JDBC
ODBC
OLE DB

JDBC
Native Spark Datasource
ODBC

GraphQL query language
HTTP API
Jena RDF API
OWL
RDF4J API
Sesame REST HTTP Protocol
SNARL
SPARQL
Spring Data
Stardog Studio
TinkerPop 3

Unterstützte Programmiersprachen

C
C++
Fortran
Java
Lua
Perl
Python
R

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

.Net
Clojure
Groovy
Java
JavaScript
Python
Ruby

Server-seitige Scripts

Stored Procedures

Java

user defined functions and aggregates, HTTP Server extensions in Java

Triggers

nein

via event handlers

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

Multi-Source Replikation
Source-Replica Replikation

Multi-Source Replikation in HA-Cluster

MapReduce

Bietet ein API für Map/Reduce Operationen

Yes, via Full Spark Integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Immediate Consistency in HA-Cluster

Fremdschlüssel

referenzielle Integrität

nein

Beziehungen in Graphen

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept

Access rights for users, groups and roles according to SQL-standard

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

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

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

IBM Brings Back a Netezza, Attacks Yellowbrick
29. Juni 2020, Datanami

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

Hadoop-based RDBMS Now Available from Splice
12. Mai 2014, Datanami

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk