DBMS > Apache Drill vs. Hawkular Metrics vs. Milvus vs. MonetDB

Vergleich der Systemeigenschaften Apache Drill vs. Hawkular Metrics vs. Milvus vs. MonetDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Schema-free SQL Query Engine for Hadoop, NoSQL and Cloud Storage

Hawkular metrics is the metric storage of the Red Hat sponsored Hawkular monitoring system. It is based on Cassandra.

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

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

Primäres Datenbankmodell

Document Store
Relational DBMS

Time Series DBMS

Vektor DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	2,02
Rang	#124	Overall
	#22	Document Stores
	#59	Relational DBMS

Punkte	0,08
Rang	#366	Overall
	#39	Time Series DBMS

Punkte	2,78
Rang	#103	Overall
	#4	Vektor DBMS

Punkte	1,72
Rang	#141	Overall
	#64	Relational DBMS

Website

Technische Dokumentation

drill.apache.org/docs

www.hawkular.org/hawkular-metrics/docs/user-guide

milvus.io/docs/overview.md

www.monetdb.org/Documentation

Entwickler

Apache Software Foundation

Community supported by Red Hat

MonetDB BV

Erscheinungsjahr

2012

2014

2019

2004

Aktuelle Version

1.20.3, Jaenner 2023

2.4.4, Mai 2024

Dec2023 (11.49), Dezember 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache 2.0

Open Source

Apache Version 2.0

Open Source

Mozilla Public License 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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

Java

C++, Go

Server Betriebssysteme

Linux
OS X
Windows

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

FreeBSD
Linux
OS X
Solaris
Windows

Datenschema

schemafrei

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

nein

SQL

Support of SQL

SQL SELECT statement is SQL:2003 compliant

nein

SQL 2003 mit einigen Erweiterungen

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

HTTP REST

RESTful HTTP API

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

Unterstützte Programmiersprachen

C++

Go
Java
Python
Ruby

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

C
C++
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

yes, in SQL, C, R

Triggers

nein

via Hawkular Alerting

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Sharding

Sharding via remote tables

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

keine

Source-replica replication available in experimental status

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Depending on the underlying data source

In-Memory Unterstützung

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

Depending on the underlying data source

nein

Berechtigungskonzept

Zugriffskontrolle

Depending on the underlying data source

nein

Role based access control and fine grained access rights

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

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

Apache Drill vs. Apache Spark — Which SQL query engine is better for you?
23. September 2019, Towards Data Science

Apache Drill case study: A tutorial on processing CSV files
9. Juni 2016, TheServerSide.com

Apache Drill Poised to Crack Tough Data Challenges
19. Mai 2015, Datanami

Apache Drill Eliminates ETL, Data Transformation for MapR Database
11. April 2016, The New Stack

Drill Mines Diverse Data Sets, Google Style
20. Mai 2015, The Next Platform

bereitgestellt von Google News

Waiting for Red Hat OpenShift 4.0? Too late, 4.1 has already arrived… • DEVCLASS
5. Juni 2019, DevClass

bereitgestellt von Google News

How NVIDIA GPU Acceleration Supercharged Milvus Vector Database
26. März 2024, The New Stack

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

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

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

bereitgestellt von Google News

In 2024 the MonetDB Foundation was established for the preservation, maintenance and further development of the ...
31. Januar 2024, Centrum Wiskunde & Informatica (CWI)

MonetDB Secures Investment From (and Partners With) ServiceNow
9. Dezember 2021, Datanami

PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R - Part I - DataScienceCentral.com
6. April 2018, Data Science Central

How MonetDB Exploits Modern CPU Performance | by Dwi Prasetyo Adi Nugroho
14. Januar 2020, Towards Data Science

MonetDB Solutions secures investment from ServiceNow
30. September 2019, Centrum Wiskunde & Informatica (CWI)

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk