DBMS > Amazon Aurora vs. OrigoDB vs. Pinecone vs. XTDB

Vergleich der Systemeigenschaften Amazon Aurora vs. OrigoDB vs. Pinecone vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

MySQL und PostgreSQL kompatibles RDBMS Cloud-Service von Amazon

A fully ACID in-memory object graph database

A managed, cloud-native vector database

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

Primäres Datenbankmodell

Relational DBMS

Document Store
Object oriented DBMS

Vektor DBMS

Document Store

Sekundäre Datenbankmodelle

Document Store

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

Punkte	7,91
Rang	#50	Overall
	#32	Relational DBMS

Punkte	0,00
Rang	#383	Overall
	#53	Document Stores
	#20	Object oriented DBMS

Punkte	3,16
Rang	#95	Overall
	#2	Vektor DBMS

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

Website

aws.amazon.com/rds/aurora

origodb.com

www.pinecone.io

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

Technische Dokumentation

docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/CHAP_Aurora.html

origodb.com/docs

docs.pinecone.io/docs/overview

www.xtdb.com/docs

Entwickler

Amazon

Robert Friberg et al

Pinecone Systems, Inc

Juxt Ltd.

Erscheinungsjahr

2015

2009

under the name LiveDB

2019

Aktuelle Version

1.19, September 2021

Lizenz

Commercial or Open Source

kommerziell

Open Source

kommerziell

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

Clojure

Server Betriebssysteme

gehostet

Linux
Windows

gehostet

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

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

User defined using .NET types and collections

String, Number, Boolean

XML Unterstützung

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

nein

can be achieved using .NET

nein

Sekundärindizes

SQL

Support of SQL

nein

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

.NET Client API
HTTP API
LINQ

RESTful HTTP API

HTTP REST
JDBC

Unterstützte Programmiersprachen

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

.Net

Python

Clojure
Java

Server-seitige Scripts

Stored Procedures

nein

Triggers

Domain Events

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

client side managed; servers are not synchronized

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

depending on model

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Write ahead log

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Role based authorization

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

Cloud-based DBMS's popularity grows at high rates
12. Dezember 2019, Paul Andlinger

The popularity of cloud-based DBMSs has increased tenfold in four years
7. Februar 2017, Matthias Gelbmann

Amazon - the rising star in the DBMS market
3. August 2015, Matthias Gelbmann

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Join the preview of Amazon Aurora Limitless Database | Amazon Web Services
27. November 2023, AWS Blog

Handle tables without primary keys while creating Amazon Aurora PostgreSQL zero-ETL integrations with Amazon ...
18. April 2024, AWS Blog

Amazon Aurora MySQL version 2 (with MySQL 5.7 compatibility) to version 3 (with MySQL 8.0 compatibility) upgrade ...
18. März 2024, AWS Blog

New – Amazon Aurora Optimized Reads for Aurora PostgreSQL with up to 8x query latency improvement for I/O ...
8. November 2023, AWS Blog

Knowledge Bases for Amazon Bedrock now supports Amazon Aurora PostgreSQL and Cohere embedding models ...
12. Februar 2024, AWS Blog

bereitgestellt von Google News

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

Pinecone Brings Serverless To Vector Databases
16. Januar 2024, Forbes

Pinecone: New vector database architecture a 'breakthrough' to curb AI hallucinations
16. Januar 2024, VentureBeat

Reimagining Vector Databases for the Generative AI Era with Pinecone Serverless on AWS | Amazon Web Services
21. März 2024, AWS Blog

Seven Vector Database Startups Poised to Win in the AI Revolution
19. April 2024, Business Insider

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk