DBMS > Spark SQL vs. STSdb vs. Vitess vs. Yaacomo

Vergleich der Systemeigenschaften Spark SQL vs. STSdb vs. Vitess vs. Yaacomo

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yaacomo seems to be discontinued and is removed from the DB-Engines ranking

Kurzbeschreibung

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Scalable, distributed, cloud-native DBMS, extending MySQL

OpenCL based in-memory RDBMS, designed for efficiently utilizing the hardware via parallel computing

Primäres Datenbankmodell

Relational DBMS

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

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

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

Punkte	0,82
Rang	#209	Overall
	#97	Relational DBMS

Website

spark.apache.org/sql

github.com/STSSoft/STSdb4

vitess.io

yaacomo.com

Technische Dokumentation

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

vitess.io/docs

Entwickler

Apache Software Foundation

STS Soft SC

The Linux Foundation, PlanetScale

Q2WEB GmbH

Erscheinungsjahr

2014

2011

2013

2009

Aktuelle Version

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

15.0.2, December 2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

Open Source

Apache Version 2.0, commercial licenses available

kommerziell

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

Scala

Server Betriebssysteme

Linux
OS X
Windows

Windows

Docker
Linux
macOS

Android
Linux
Windows

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

nein

SQL

Support of SQL

SQL-like DML and DDL statements

nein

mit proprietären Erweiterungen

APIs und andere Zugriffskonzepte

JDBC
ODBC

.NET Client API

ADO.NET
JDBC
MySQL protocol
ODBC

JDBC
ODBC

Unterstützte Programmiersprachen

Java
Python
R
Scala

C#
Java

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

Server-seitige Scripts

Stored Procedures

nein

proprietäre Syntax

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

yes, utilizing Spark Core

keine

Sharding

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation
Source-Replica Replikation

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency across shards
Immediate Consistency within a shard

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

nicht für MyISAM Storage Engine

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

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

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

Vitess, the database clustering system powering YouTube, graduates CNCF incubation
5. November 2019, SiliconANGLE 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

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk