DBMS > Oracle Berkeley DB vs. Spark SQL vs. ToroDB

Vergleich der Systemeigenschaften Oracle Berkeley DB 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

Weit verbreiteter In-Process Key-Value Store

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

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

Primäres Datenbankmodell

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Relational DBMS

Document Store

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

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

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

Website

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

spark.apache.org/sql

github.com/torodb/server

Technische Dokumentation

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

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

Entwickler

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Apache Software Foundation

8Kdata

Erscheinungsjahr

1994

2014

2016

Aktuelle Version

18.1.40, Mai 2020

3.5.0 ( 2.13), September 2023

Lizenz

Commercial or Open Source

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

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

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

Scala

Java

Server Betriebssysteme

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java 7 VM

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

only with the Berkeley DB XML edition

nein

Sekundärindizes

nein

SQL

Support of SQL

SQL Interface basierend auf SQLite verfügbar

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
ODBC

Unterstützte Programmiersprachen

.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

Server-seitige Scripts

Stored Procedures

nein

Triggers

only for the SQL API

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

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

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

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

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

EC will investigate the Oracle/Sun takeover due to concerns about MySQL
3. September 2009, The Guardian

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

The importance of bitcoin nodes and how to start one
9. Mai 2014, The Merkle News

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

1.5 Years of Spark Knowledge in 8 Tips | by Michael Berk
23. Dezember 2023, Towards Data Science

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk