DBMS > Amazon Redshift vs. BigObject vs. EXASOL vs. Milvus vs. SpaceTime

Vergleich der Systemeigenschaften Amazon Redshift vs. BigObject vs. EXASOL vs. Milvus vs. SpaceTime

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Large scale data warehouse service for use with business intelligence tools

Analytic DBMS für Echtzeitberechnungen und Queries

High-performance, in-memory, MPP database specifically designed for in-memory analytics.

A DBMS designed for efficient storage of vector data and vector similarity searches

SpaceTime ist ein Spatio-temporal DBMS mit Focus auf Performance.

Primäres Datenbankmodell

Relational DBMS

Ein hierarchisches Modell (Baum) kann einer Tabelle übergestülpt werden

Relational DBMS

Vektor DBMS

Spatial DBMS

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	17,94
Rang	#34	Overall
	#21	Relational DBMS

Punkte	0,13
Rang	#333	Overall
	#147	Relational DBMS

Punkte	1,99
Rang	#124	Overall
	#58	Relational DBMS

Punkte	2,31
Rang	#113	Overall
	#3	Vektor DBMS

Punkte	0,00
Rang	#383	Overall
	#7	Spatial DBMS

Website

aws.amazon.com/redshift

bigobject.io

www.exasol.com

milvus.io

www.mireo.com/spacetime

Technische Dokumentation

docs.aws.amazon.com/redshift

docs.bigobject.io

www.exasol.com/resources

milvus.io/docs/overview.md

Entwickler

Amazon (based on PostgreSQL)

BigObject, Inc.

Exasol

Mireo

Erscheinungsjahr

2012

2015

2000

2019

2020

Aktuelle Version

2.3.4, Jänner 2024

Lizenz

Commercial or Open Source

kommerziell

kostenlose community edition verfügbar

kommerziell

Open Source

Apache Version 2.0

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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

C++, Go

C++

Server Betriebssysteme

gehostet

Linux

distributed as a docker-image
OS X

distributed as a docker-image (boot2docker)
Windows

distributed as a docker-image (boot2docker)

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

Linux

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

eingeschränkt

nein

SQL

Support of SQL

keine vollständige Unterstützung eines SQL-Standards

SQL-like DML and DDL statements

nein

A subset of ANSI SQL is implemented

APIs und andere Zugriffskonzepte

JDBC
ODBC

fluentd
ODBC
RESTful HTTP API

.Net
JDBC
ODBC
WebSocket

RESTful HTTP API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

Java
Lua
Python
R

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

C#
C++
Python

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

in Python

Lua

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

Fixed-grid hypercubes

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Real-time block device replication (DRBD)

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

keine

Immediate Consistency

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

werden aber nicht 'enforced'

automatically between fact table and dimension tables

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

nein

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 according to SQL-standard

Role based access control and fine grained access rights

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Milvus is an open-source and cloud-native vector database built for production-ready...
» mehr

Competitive advantages

Highly available, versatile, and robust with millisecond latency. Supports batch...
» mehr

Typical application scenarios

RAG: retrieval augmented generation Video media : video understanding, video deduplication....
» mehr

Key customers

Milvus is trusted by thousands of enterprises, including PayPal, eBay, IKEA, LINE,...
» mehr

Market metrics

As of January 2024, 25k+ GitHub stars 10M+ downloads and installations 3k+ enterprise...
» mehr

Licensing and pricing models

Milvus was released under the open-source Apache License 2.0 in October 2019. Fully-managed...
» mehr

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

Drittanbieter

CData: Connect to Big Data & NoSQL through standard Drivers.
» mehr

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

Increased popularity for consuming DBMS services out of the cloud
2. Oktober 2015, Paul Andlinger

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Revolutionizing data querying: Amazon Redshift and Visual Studio Code integration | Amazon Web Services
2. Mai 2024, AWS Blog

Power analytics as a service capabilities using Amazon Redshift | Amazon Web Services
17. April 2024, AWS Blog

Amazon Redshift adds new AI capabilities, including Amazon Q, to boost efficiency and productivity | Amazon Web ...
29. November 2023, AWS Blog

Amazon Redshift now supports multi-data warehouse writes through data sharing (preview)
26. November 2023, AWS Blog

Amazon Redshift announces programmatic access to Advisor recommendations via API
8. Februar 2024, AWS Blog

bereitgestellt von Google News

Exasol Finds AI Underinvestment Leads to Business Failure, But Data Challenges Stall Rapid Adoption
20. März 2024, Business Wire

It's Back to the Database Future for Exasol CEO Tewes
26. Oktober 2023, Datanami

Exasol gets jolt of AI with Espresso suite of capabilities
26. Februar 2024, TechTarget

Exasol Unveils New Suite of AI Tools to Turbocharge Enterprise Data Analytics
21. Februar 2024, Business Wire

Exasol brings SaaS-flex to on-prem and public cloud systems
31. Mai 2023, The Register

bereitgestellt von Google News

What Is Milvus Vector Database?
6. Oktober 2023, The New Stack

Zilliz Unveils Game-Changing Features for Vector Search
22. März 2024, Datanami

AI-Powered Search Engine With Milvus Vector Database on Vultr
31. Januar 2024, SitePoint

Milvus 2.4 Unveils Game-Changing Features for Enhanced Vector Search
20. März 2024, GlobeNewswire

IBM watsonx.data’s integrated vector database: unify, prepare, and deliver your data for AI
9. April 2024, IBM

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk