DBMS > PouchDB vs. RDF4J vs. Spark SQL vs. STSdb

Vergleich der Systemeigenschaften PouchDB vs. RDF4J vs. Spark SQL vs. STSdb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

JavaScript DBMS mit einem von CouchDB inspirierten API

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

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

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

Punkte	2,34
Rang	#112	Overall
	#21	Document Stores

Punkte	0,74
Rang	#222	Overall
	#9	RDF Stores

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

Punkte	0,10
Rang	#357	Overall
	#51	Key-Value Stores

Website

pouchdb.com

rdf4j.org

spark.apache.org/sql

github.com/STSSoft/STSdb4

Technische Dokumentation

pouchdb.com/guides

rdf4j.org/documentation

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

Entwickler

Apache Software Foundation

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Apache Software Foundation

STS Soft SC

Erscheinungsjahr

2012

2004

2014

2011

Aktuelle Version

7.1.1, Juni 2019

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Eclipse Distribution License (EDL), v1.0.

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

Java

Scala

Server Betriebssysteme

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

Linux
OS X
Unix
Windows

Linux
OS X
Windows

Windows

Datenschema

schemafrei

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

nein

Sekundärindizes

über Views

nein

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

HTTP REST

only for PouchDB Server
JavaScript API

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

JDBC
ODBC

.NET Client API

Unterstützte Programmiersprachen

JavaScript

Java
PHP
Python

Java
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

View Functions in JavaScript

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

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

keine

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

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Isolation abhängig vom verwendeten API

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

mittels IndexedDB, WebSQL oder LevelDB

In-memory Storage wird ebenfalls unterstützt

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

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

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

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

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

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

bereitgestellt von Google News

GraphDB Goes Open Source
27. Januar 2020, iProgrammer

Ontotext's GraphDB 8.10 Makes Knowledge Graph Experience Faster and Richer
13. Juni 2019, Markets Insider

bereitgestellt von Google News

Performance Insights from Sigma Rule Detections in Spark Streaming
1. Juni 2024, Towards Data Science

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

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