DBMS > 4D vs. Drizzle vs. FatDB vs. Microsoft Azure Data Explorer

Vergleich der Systemeigenschaften 4D vs. Drizzle vs. FatDB vs. Microsoft Azure Data Explorer

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Drizzle has published its last release in September 2012. The open-source project is discontinued and Drizzle is excluded from the DB-Engines ranking.

Das Unternehmen FatDB/FatCloud hat im Februar 2014 seine Tätigkeit beendet. FatDB wurde eingestellt und erscheint deshalb nicht mehr im Ranking.

Kurzbeschreibung

Anwendungsentwicklungsumgebung mit integrierter Datenbank

MySQL fork mit erweiterbarem Micro-Kernel und mit Betonung von Leistung vor Kompatibilität.

Ein .NET NoSQL DBMS, das in SQL Server integriert werden kann.

Fully managed big data interactive analytics platform

Primäres Datenbankmodell

Relational DBMS

Document Store
Key-Value Store

Relational DBMS

column oriented

Sekundäre Datenbankmodelle

Document Store

If a column is of type dynamic docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types/dynamic then it's possible to add arbitrary JSON documents in this cell
Event Store

this is the general usage pattern at Microsoft. Billing, Logs, Telemetry events are stored in ADX and the state of an individual entity is defined by the arg_max(timestamps)
Spatial DBMS
Suchmaschine

support for complex search expressions docs.microsoft.com/en-us/azure/kusto/query/parseoperator FTS, Geospatial docs.microsoft.com/en-us/azure/kusto/query/geo-point-to-geohash-function distributed search -> ADX acts as a distributed search engine
Time Series DBMS

see docs.microsoft.com/en-us/azure/data-explorer/time-series-analysis

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

Punkte	2,58
Rang	#108	Overall
	#54	Relational DBMS

Punkte	4,38
Rang	#77	Overall
	#41	Relational DBMS

Website

www.4d.com

azure.microsoft.com/services/data-explorer

Technische Dokumentation

developer.4d.com

docs.microsoft.com/en-us/azure/data-explorer

Entwickler

4D, Inc

Drizzle Projekt, ursprünglich gestartet von Brian Aker

FatCloud

Microsoft

Erscheinungsjahr

1984

2008

2012

2019

Aktuelle Version

v20, April 2023

7.2.4, September 2012

cloud service with continuous releases

Lizenz

Commercial or Open Source

kommerziell

Open Source

GNU GPL

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

C++

Server Betriebssysteme

OS X
Windows

FreeBSD
Linux
OS X

Windows

gehostet

Datenschema

schemafrei

Fixed schema with schema-less datatypes (dynamic)

Typisierung

vordefinierte Datentypen, z.B. float oder date

bool, datetime, dynamic, guid, int, long, real, string, timespan, double: docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types

XML Unterstützung

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

Sekundärindizes

all fields are automatically indexed

SQL

Support of SQL

close to SQL 92

mit propriätären Erweiterungen

nein

Ãœber Integration mit SQL Server

Kusto Query Language (KQL), SQL subset

APIs und andere Zugriffskonzepte

ODBC
RESTful HTTP API

by using 4D Mobile
SOAP webservices

JDBC

.NET Client API
LINQ
RESTful HTTP API
RPC
Windows WCF Bindings

Microsoft SQL Server communication protocol (MS-TDS)
RESTful HTTP API

Unterstützte Programmiersprachen

4D eigene IDE
PHP

C
C++
Java
PHP

.Net
Go
Java
JavaScript (Node.js)
PowerShell
Python
R

Server-seitige Scripts

Stored Procedures

nein

Ãœber Applikationen

Yes, possible languages: KQL, Python, R

Triggers

nein

Hooks für Callbacks innerhalb der Servers können verwendet werden.

Ãœber Applikationen

see docs.microsoft.com/en-us/azure/kusto/management/updatepolicy

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

Implicit feature of the cloud service

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

Multi-Source Replikation
Source-Replica Replikation

frei wählbarer Replikationsfaktor

Implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Spark connector (open source): github.com/Azure/azure-kusto-spark

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer und Gruppen

Pluggable Authentication Mechanismen

z.B. LDAP, HTTP

nein

Security Layer kann über Applikationen implementiert werden

Azure Active Directory Authentication

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

MySQL, PostgreSQL and Redis are the winners of the March ranking
2. März 2016, Paul Andlinger

alle anzeigen

MySQL won the April ranking; did its forks follow?
1. April 2015, Paul Andlinger

Has MySQL finally lost its mojo?
1. Juli 2013, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Azure Data Explorer: Log and telemetry analytics benchmark
16. August 2022, azure.microsoft.com

Providing modern data transfer and storage service at Microsoft with Microsoft Azure - Inside Track Blog
13. Juli 2023, Microsoft

General availability: New KQL function to enrich your data analysis with geographic context | Azure updates
6. Juni 2023, azure.microsoft.com

Public Preview: Azure Cosmos DB to Azure Data Explorer Synapse Link | Azure updates
9. Januar 2023, azure.microsoft.com

Azure Data Explorer and Stream Analytics for anomaly detection
16. Januar 2020, azure.microsoft.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk