DBMS > AgensGraph vs. BigObject vs. Google Cloud Bigtable vs. OpenQM

Vergleich der Systemeigenschaften AgensGraph vs. BigObject vs. Google Cloud Bigtable vs. OpenQM

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Multi-model database supporting relational and graph data models and built upon PostgreSQL

Analytic DBMS für Echtzeitberechnungen und Queries

Google's NoSQL Big Data database service. It's the same database that powers many core Google services, including Search, Analytics, Maps, and Gmail.

QpenQM is a high-performance, self-tuning, multi-value DBMS

Primäres Datenbankmodell

Graph DBMS
Relational DBMS

Relational DBMS

Ein hierarchisches Modell (Baum) kann einer Tabelle übergestülpt werden

Key-Value Store
Wide Column Store

Multivalue DBMS

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

Punkte	0,16
Rang	#333	Overall
	#30	Graph DBMS
	#146	Relational DBMS

Punkte	0,13
Rang	#342	Overall
	#150	Relational DBMS

Punkte	3,58
Rang	#92	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	0,33
Rang	#286	Overall
	#10	Multivalue DBMS

Website

bitnine.net/agensgraph

bigobject.io

cloud.google.com/bigtable

www.rocketsoftware.com/products/rocket-multivalue-application-development-platform/rocket-open-qm

Technische Dokumentation

bitnine.net/documentation

docs.bigobject.io

cloud.google.com/bigtable/docs

Entwickler

Bitnine Global Inc.

BigObject, Inc.

Google

Rocket Software, originally Martin Phillips

Erscheinungsjahr

2016

2015

1993

Aktuelle Version

2.1, Dezember 2018

3.4-12

Lizenz

Commercial or Open Source

Open Source

Apache License 2.0

kommerziell

kostenlose community edition verfügbar

kommerziell

Open Source

GPLv2, erweiterte 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

Server Betriebssysteme

Linux
OS X
Windows

Linux

distributed as a docker-image
OS X

distributed as a docker-image (boot2docker)
Windows

distributed as a docker-image (boot2docker)

gehostet

AIX
FreeBSD
Linux
macOS
Raspberry Pi
Solaris
Windows

Datenschema

depending on used data model

schemafrei

with some exceptions

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

APIs und andere Zugriffskonzepte

Cypher Query Language
JDBC

fluentd
ODBC
RESTful HTTP API

gRPC (using protocol buffers) API
HappyBase (Python library)
HBase compatible API (Java)

Unterstützte Programmiersprachen

C
Java
JavaScript
Python

C#
C++
Go
Java
JavaScript (Node.js)
Python

.Net
Basic
C
Java
Objective C
PHP
Python

Server-seitige Scripts

Stored Procedures

Lua

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

nein, aber über Tabellenvererbung möglich

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

Internal replication in Colossus, and regional replication between two clusters in different zones

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

keine

Immediate consistency (for a single cluster), Eventual consistency (for two or more replicated clusters)

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

automatically between fact table and dimension tables

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Atomic single-row operations

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Read/write lock on objects (tables, trees)

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Access rights for users, groups and roles based on Google Cloud Identity and Access Management (IAM)

Access rights can be defined down to the item level

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

Graph DBMS Performance Comparison AgensGraph vs. Neo4j
29. Juni 2017, Business Wire

Bitnine Releases AgensGraph 2.1, the Multi-model Graph Database Optimized for the Legacy Environment
29. Januar 2019, Business Wire

bereitgestellt von Google News

Google expands BigQuery with Gemini, brings vector support to cloud databases
29. Februar 2024, VentureBeat

What is Google Bigtable? | Definition from TechTarget
1. März 2022, TechTarget

Google Introduces Autoscaling for Cloud Bigtable for Optimizing Costs
31. Januar 2022, InfoQ.com

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

Google Cloud makes it cheaper to run smaller workloads on Bigtable
7. April 2020, TechCrunch

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk