DBMS > Postgres-XL vs. PouchDB vs. SiriDB vs. Spark SQL vs. STSdb

Vergleich der Systemeigenschaften Postgres-XL vs. PouchDB vs. SiriDB vs. Spark SQL vs. STSdb

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

JavaScript DBMS mit einem von CouchDB inspirierten API

Open Source Time Series DBMS

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	0,49
Rang	#256	Overall
	#117	Relational DBMS

Punkte	2,28
Rang	#115	Overall
	#21	Document Stores

Punkte	0,00
Rang	#383	Overall
	#41	Time Series DBMS

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

Punkte	0,04
Rang	#360	Overall
	#52	Key-Value Stores

Website

github.com/STSSoft/STSdb4

Technische Dokumentation

www.postgres-xl.org/documentation

pouchdb.com/guides

docs.siridb.com

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

Entwickler

Apache Software Foundation

Cesbit

Apache Software Foundation

STS Soft SC

Erscheinungsjahr

2014

seit 2012, ursprünglich genannt StormDB

2012

2017

2014

2011

Aktuelle Version

10 R1, Oktober 2018

7.1.1, Juni 2019

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Mozilla public license

Open Source

MIT License

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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

JavaScript

Scala

Server Betriebssysteme

Linux
macOS

Serverlos, benötigt eine JavaScript Umgebung (Browser, Node.js)

Linux

Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

Numeric data

Primitive Typen und benutzerdefinierte Klassen

XML Unterstützung

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

XML type, but no XML query functionality

nein

Sekundärindizes

über Views

nein

SQL

Support of SQL

distributed, parallel query execution

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

HTTP REST

only for PouchDB Server
JavaScript API

HTTP API

JDBC
ODBC

.NET Client API

Unterstützte Programmiersprachen

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

JavaScript

C
C++
Go
Java
JavaScript (Node.js)
PHP
Python
R

Java
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

View Functions in JavaScript

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

Sharding

mit couchdb-lounge, einem proxy-basierten Framework für CouchDB

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

auch mit CouchDB Datenbanken
Source-Replica Replikation

auch mit CouchDB Datenbanken

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

MVCC

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

mittels IndexedDB, WebSQL oder LevelDB

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Einfache Rechteverwaltung mit Benutzeraccounts

nein

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

DB-Engines Blog Posts

New kids on the block: database management systems implemented in JavaScript
1. Dezember 2014, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Building an Offline First App with PouchDB — SitePoint
10. März 2014, SitePoint

Getting Started with PouchDB Client-Side JavaScript Database — SitePoint
7. September 2016, SitePoint

3 Reasons To Think Offline First
22. März 2017, ibm.com

Create Offline Web Apps Using Service Workers & PouchDB — SitePoint
7. März 2017, SitePoint

Offline-first web and mobile apps: Top frameworks and components
22. Januar 2019, TechBeacon

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

Feature Engineering for Time-Series Using PySpark on Databricks
8. Mai 2024, Towards Data Science

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk