DBMS > AlaSQL vs. Badger vs. Splice Machine vs. XTDB

Vergleich der Systemeigenschaften AlaSQL vs. Badger vs. Splice Machine vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

JavaScript DBMS library

An embeddable, persistent, simple and fast Key-Value Store, written purely in Go.

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

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

Primäres Datenbankmodell

Document Store
Relational DBMS

Key-Value Store

Relational DBMS

Document Store

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

Punkte	0,46
Rang	#260	Overall
	#40	Document Stores
	#121	Relational DBMS

Punkte	0,14
Rang	#331	Overall
	#49	Key-Value Stores

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

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

Website

alasql.org

github.com/dgraph-io/badger

splicemachine.com

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

Technische Dokumentation

github.com/AlaSQL/alasql

godoc.org/github.com/dgraph-io/badger

splicemachine.com/how-it-works

www.xtdb.com/docs

Entwickler

Andrey Gershun & Mathias R. Wulff

DGraph Labs

Splice Machine

Juxt Ltd.

Erscheinungsjahr

2014

2017

2014

2019

Aktuelle Version

3.1, March 2021

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

MIT-License

Open Source

Apache 2.0

Open Source

AGPL 3.0, commercial license available

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

JavaScript

Java

Clojure

Server Betriebssysteme

server-less, requires a JavaScript environment (browser, Node.js)

BSD
Linux
OS X
Solaris
Windows

Linux
OS X
Solaris
Windows

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

Datenschema

schemafrei

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

Close to SQL99, but no user access control, stored procedures and host language bindings.

nein

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

JavaScript API

JDBC
Native Spark Datasource
ODBC

HTTP REST
JDBC

Unterstützte Programmiersprachen

JavaScript

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

Clojure
Java

Server-seitige Scripts

Stored Procedures

nein

Java

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation
Source-Replica Replikation

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

only for local storage and DOM-storage

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

by using IndexedDB, SQL.JS or proprietary FileStorage

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

nein

Access rights for users, groups and roles according to 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

Create a Marvel Database with SQL and Javascript, the easy way
2. Juli 2019, Towards Data Science

HarperDB - How and Why We Built It From The Ground Up on NodeJS
28. Februar 2021, hackernoon.com

Multi faceted data exploration in the browser using Leaflet and amCharts
3. Mai 2020, Towards Data Science

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

How Splice Machine's Data Platform for Intelligent Apps Works
29. September 2020, eWeek

New Splice Machine RDBMS unites OLTP and OLAP
18. November 2015, CIO

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk