DBMS > Sequoiadb vs. Spark SQL vs. TinkerGraph vs. XTDB

Vergleich der Systemeigenschaften Sequoiadb vs. Spark SQL vs. TinkerGraph vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

NewSQL database with distributed OLTP and SQL

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

A lightweight, in-memory graph engine that serves as a reference implementation of the TinkerPop3 API

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Document Store
Relational DBMS

Relational DBMS

Graph DBMS

Document Store

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

Punkte	0,45
Rang	#261	Overall
	#41	Document Stores
	#122	Relational DBMS

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

Punkte	0,08
Rang	#348	Overall
	#35	Graph DBMS

Punkte	0,11
Rang	#343	Overall
	#46	Document Stores

Website

www.sequoiadb.com

spark.apache.org/sql

tinkerpop.apache.org/docs/current/reference/#tinkergraph-gremlin

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

www.sequoiadb.com/en/index.php?m=Files&a=index

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

www.xtdb.com/docs

Entwickler

Sequoiadb Ltd.

Apache Software Foundation

Juxt Ltd.

Erscheinungsjahr

2013

2014

2009

2019

Aktuelle Version

3.5.0 ( 2.13), September 2023

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

Server: AGPL; Client: Apache V2

Open Source

Apache 2.0

Open Source

Apache 2.0

Open Source

MIT License

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++

Scala

Java

Clojure

Server Betriebssysteme

Linux

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

oid, date, timestamp, binary, regex

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 query language

SQL-like DML and DDL statements

nein

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

Proprietäres Protokoll basierend auf JSON

JDBC
ODBC

TinkerPop 3

HTTP REST
JDBC

Unterstützte Programmiersprachen

.Net
C++
Java
PHP
Python

Java
Python
R
Scala

Groovy
Java

Clojure
Java

Server-seitige Scripts

Stored Procedures

JavaScript

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

keine

Fremdschlüssel

referenzielle Integrität

nein

Relationships in graphs

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

während einer Transaktion wird das Dokument gesperrt

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

nein

Durability

Dauerhafte Speicherung der Daten

optional

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

einfacher Passwort-basierter Zugriffsschutz

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

Erwähnungen in aktuellen Nachrichten

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

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

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

bereitgestellt von Google News

Automated testing of Amazon Neptune data access with Apache TinkerPop Gremlin | Amazon Web Services
28. September 2022, AWS Blog

Simple Deployment of a Graph Database: JanusGraph | by Edward Elson Kosasih
12. Oktober 2020, Towards Data Science

Why developers like Apache TinkerPop, an open source framework for graph computing | Amazon Web Services
27. September 2021, AWS Blog

InfiniteGraph Gets Support for Common Graph Database Language and More
21. Februar 2012, SiliconANGLE News

Introducing Gremlin query hints for Amazon Neptune | AWS Database Blog
26. Februar 2019, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk