DBMS > Apache Doris vs. DolphinDB vs. Heroic vs. Pinecone

Vergleich der Systemeigenschaften Apache Doris vs. DolphinDB vs. Heroic vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An MPP-based analytics DBMS embracing the MySQL protocol

DolphinDB is a high performance Time Series DBMS. It is integrated with an easy-to-use fully featured programming language and a high-volume high-velocity streaming analytics system. It offers operational simplicity, scalability, fault tolerance, and concurrency.

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

A managed, cloud-native vector database

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Vektor DBMS

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	0,57
Rang	#244	Overall
	#113	Relational DBMS

Punkte	4,13
Rang	#80	Overall
	#6	Time Series DBMS

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

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

Website

doris.apache.org
github.com/apache/doris

www.dolphindb.com

github.com/spotify/heroic

www.pinecone.io

Technische Dokumentation

github.com/apache/doris/wiki

docs.dolphindb.cn/en/help200/index.html

spotify.github.io/heroic

docs.pinecone.io/docs/overview

Entwickler

Apache Software Foundation, originally contributed from Baidu

DolphinDB, Inc

Spotify

Pinecone Systems, Inc

Erscheinungsjahr

2017

2018

2014

2019

Aktuelle Version

1.2.2, Februar 2023

v2.00.4, January 2022

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

free community version available

Open Source

Apache 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.

Implementierungssprache

Java

C++

Java

Server Betriebssysteme

Linux

Linux
Windows

gehostet

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

String, Number, Boolean

XML Unterstützung

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

nein

Sekundärindizes

via Elasticsearch

SQL

Support of SQL

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
MySQL client

JDBC
JSON over HTTP
Kafka
MQTT (Message Queue Telemetry Transport)
ODBC
OPC DA
OPC UA
RabbitMQ
WebSocket

HQL (Heroic Query Language, a JSON-based language)
HTTP API

RESTful HTTP API

Unterstützte Programmiersprachen

Java

C#
C++
Go
Java
JavaScript
MatLab
Python
R
Rust

Python

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

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

Administrators, Users, Groups

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

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Workload Isolation in Apache Doris: Optimizing Resource Management and Performance
25. Mai 2024, hackernoon.com

Streamlining Data Operations: How a Grocery Chain Optimizes Workloads with Apache Doris
16. Mai 2024, hackernoon.com

How to Digest 15 Billion Logs Per Day and Keep Big Queries Within 1 Second
1. September 2023, KDnuggets

Apache Doris just 'graduated': Why care about this SQL data warehouse
24. Juni 2022, InfoWorld

Data Analytics: Apache Doris' Impact in Reporting, Tagging, and Data Lake Operations
8. Januar 2024, hackernoon.com

bereitgestellt von Google News

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

bereitgestellt von Google News

Pinecone launches serverless edition of its vector database on AWS
22. Mai 2024, SiliconANGLE News

Pinecone launches its serverless vector database out of preview
21. Mai 2024, TechCrunch

Pinecone Launches Serverless Vector Database for Scalable AI Applications
21. Mai 2024, Datanami

How a Decades-Old Technology and a Paper From Meta Created an AI Industry Standard
21. Mai 2024, The Wall Street Journal

Channel Brief: Dell Explains AI Factory, Informatica AI Research, Pinecone Goes Serverless and More
22. Mai 2024, Channel E2E

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk