DBMS > Spark SQL vs. Transwarp Hippo vs. VoltDB vs. Yaacomo

Vergleich der Systemeigenschaften Spark SQL vs. Transwarp Hippo vs. VoltDB 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

Cloud-native distributed Vector DBMS that supports storage, retrieval, and management of massive vector-based datasets

Verteilte In-Memory NewSQL RDBMS

Verwendet für OLTP Applikationen mit einer hohen Frequenz an relativ einfachen Transaktionen, die alle Daten im Hauptspeicher halten können

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

Primäres Datenbankmodell

Relational DBMS

Vektor DBMS

Relational DBMS

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

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

Punkte	0,05
Rang	#386	Overall
	#15	Vektor DBMS

Punkte	1,47
Rang	#157	Overall
	#73	Relational DBMS

Website

spark.apache.org/sql

www.transwarp.cn/en/subproduct/hippo

www.voltdb.com

yaacomo.com

Technische Dokumentation

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

docs.voltdb.com

Entwickler

Apache Software Foundation

VoltDB Inc.

Q2WEB GmbH

Erscheinungsjahr

2014

2023

2010

2009

Aktuelle Version

3.5.0 ( 2.13), September 2023

1.0, Mai 2023

11.3, April 2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

AGPL für Community Edition, kommerzielle Lizenz für Enterprise, AWS und Pro Editionen

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

C++

Java, C++

Server Betriebssysteme

Linux
OS X
Windows

Linux
macOS

Linux
OS X

for development

Android
Linux
Windows

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

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

nur einen Teil von SQL 99

APIs und andere Zugriffskonzepte

JDBC
ODBC

RESTful HTTP API

Java API
JDBC
RESTful HTTP/JSON API

JDBC
ODBC

Unterstützte Programmiersprachen

Java
Python
R
Scala

C++
Java
Python

C#
C++
Erlang

nicht offiziell unterstützt
Go
Java
JavaScript

Node.js
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Java

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

yes, utilizing Spark Core

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

FOREIGN KEY constraints werden nicht unterstützt

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Transaktionen werden single-threaded innerhalb von Stored Procedures ausgeführt

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Datenzugriffe werden vom Server serialisiert

Durability

Dauerhafte Speicherung der Daten

Snapshots und Command Logging

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Role based access control and fine grained access rights

Benutzer und Rollen mit Berechtigungen auf Stored Procedures

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

Performant IPv4 Range Spark Joins | by Jean-Claude Cote
24. Januar 2024, Towards Data Science

Simba Technologies(R) Introduces New, Powerful JDBC Driver With SQL Connector for Apache Spark(TM)
17. März 2024, Yahoo Singapore News

bereitgestellt von Google News

Unveiling Volt Active Data's game-changing approach to limitless app performance
16. Oktober 2023, YourStory

VoltDB Launches Active(N) Lossless Cross Data Center Replication
31. August 2021, PR Newswire

VoltDB Turns to Real-Time Analytics with NewSQL Database
30. Januar 2014, Datanami

VoltDB Upgrades Power, Security of Its In-Memory Database
1. Februar 2017, eWeek

VoltDB Adds Geospatial Support, Cross-Site Replication
28. Januar 2016, The New Stack

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk