DBMS > AnzoGraph DB vs. Badger vs. Google Cloud Bigtable vs. NSDb

Vergleich der Systemeigenschaften AnzoGraph DB vs. Badger vs. Google Cloud Bigtable vs. NSDb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Scalable graph database built for online analytics and data harmonization with MPP scaling, high-performance analytical algorithms and reasoning, and virtualization

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

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

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

Primäres Datenbankmodell

Graph DBMS
RDF Store

Key-Value Store

Key-Value Store
Wide Column Store

Time Series DBMS

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

Punkte	0,29
Rang	#303	Overall
	#25	Graph DBMS
	#14	RDF Stores

Punkte	0,22
Rang	#320	Overall
	#47	Key-Value Stores

Punkte	3,15
Rang	#95	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	0,08
Rang	#369	Overall
	#40	Time Series DBMS

Website

cambridgesemantics.com/anzograph

github.com/dgraph-io/badger

cloud.google.com/bigtable

nsdb.io

Technische Dokumentation

docs.cambridgesemantics.com/anzograph/userdoc/home.htm

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

cloud.google.com/bigtable/docs

nsdb.io/Architecture

Entwickler

Cambridge Semantics

DGraph Labs

Google

Erscheinungsjahr

2018

2017

2015

2017

Aktuelle Version

2.3, Jänner 2021

Lizenz

Commercial or Open Source

kommerziell

free trial version available

Open Source

Apache 2.0

kommerziell

Open Source

Apache Version 2.0

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

Java, Scala

Server Betriebssysteme

Linux

BSD
Linux
OS X
Solaris
Windows

gehostet

Linux
macOS

Datenschema

Schema-free and OWL/RDFS-schema support

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

yes: int, bigint, decimal, string

XML Unterstützung

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

nein

Sekundärindizes

nein

all fields are automatically indexed

SQL

Support of SQL

SPARQL and SPARQL* as primary query language. Cypher preview.

nein

SQL-like query language

APIs und andere Zugriffskonzepte

Apache Mule
gRPC
JDBC
Kafka
OData access for BI tools
OpenCypher
RESTful HTTP API
SPARQL

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

gRPC
HTTP REST
WebSocket

Unterstützte Programmiersprachen

C++
Java
Python

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

Java
Scala

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Automatic sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation in MPP-Cluster

keine

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

MapReduce

Bietet ein API für Map/Reduce Operationen

Kerberos/HDFS data loading

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency in MPP-Cluster

keine

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

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

not needed in graphs

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Atomic single-row operations

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Access rights for users and roles

nein

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

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

AnzoGraph review: A graph database for deep analytics
15. April 2019, InfoWorld

Cambridge Semantics Unveils AnzoGraph DB with Geospatial Analytics
19. Juni 2020, Solutions Review

AnzoGraph: A W3C Standards-Based Graph Database | by Jo Stichbury
8. Februar 2019, Towards Data Science

Cambridge Semantics Fits AnzoGraph DB with More Speed, Free Access
23. Januar 2020, Solutions Review

Back to the future: Does graph database success hang on query language?
5. März 2018, ZDNet

bereitgestellt von Google News

Google says it'll stop charging fees to transfer data out of Google Cloud
11. Januar 2024, TechCrunch

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

Google scales up Cloud Bigtable NoSQL database
27. Januar 2022, TechTarget

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

Google introduces Cloud Bigtable managed NoSQL database to process data at scale
6. Mai 2015, VentureBeat

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk