DBMS > Apache Drill vs. Hive vs. LeanXcale vs. Milvus vs. SpatiaLite

Vergleich der Systemeigenschaften Apache Drill vs. Hive vs. LeanXcale vs. Milvus vs. SpatiaLite

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

Data Warehouse Software zum Abfragen und Verwalten großer verteilter Datenmengen beispielsweise in Hadoop

A highly scalable full ACID SQL database with fast NoSQL data ingestion and GIS capabilities

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

Spatial extension of SQLite

Primäres Datenbankmodell

Document Store
Relational DBMS

Relational DBMS

Key-Value Store
Relational DBMS

Vektor DBMS

Spatial DBMS

Sekundäre Datenbankmodelle

Relational 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	59,76
Rang	#18	Overall
	#12	Relational DBMS

Punkte	0,36
Rang	#280	Overall
	#40	Key-Value Stores
	#129	Relational DBMS

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

Punkte	1,63
Rang	#146	Overall
	#3	Spatial DBMS

Website

www.gaia-gis.it/fossil/libspatialite/index

Technische Dokumentation

drill.apache.org/docs

cwiki.apache.org/confluence/display/Hive/Home

milvus.io/docs/overview.md

www.gaia-gis.it/gaia-sins/spatialite_topics.html

Entwickler

Apache Software Foundation

Ursprünglich von Facebook entwickelt

LeanXcale

Alessandro Furieri

Erscheinungsjahr

2012

2015

2019

2008

Aktuelle Version

1.20.3, Jaenner 2023

3.1.3, April 2022

2.4.4, Mai 2024

5.0.0, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2

kommerziell

Open Source

Apache Version 2.0

Open Source

MPL 1.1, GPL v2.0 or LGPL v2.1

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

C++

Server Betriebssysteme

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java VM

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

serverlos

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

SQL-like DML and DDL statements

through Apache Derby

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

JDBC
ODBC
Thrift

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

RESTful HTTP API

Unterstützte Programmiersprachen

C++

C++
Java
PHP
Python

C
Java
Scala

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

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

Benutzerdefinierte Funktion und Map-Reduce Integration

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als MapReduce Jobs behandelt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency

Immediate Consistency

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

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

Berechtigungskonzept

Zugriffskontrolle

Depending on the underlying data source

Zugriffsrechte für Benutzer, Gruppen und Rollen

Role based access control and fine grained access rights

nein

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

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Spatial database management systems
6. April 2021, 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

Apache Drill improves big data SQL query engine
31. August 2021, TechTarget

bereitgestellt von Google News

Design a data mesh pattern for Amazon EMR-based data lakes using AWS Lake Formation with Hive metastore ...
10. Juni 2024, AWS Blog

Apache Software Foundation Announces Apache Hive 4.0
30. April 2024, Datanami

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

ASF Unveils the Next Evolution of Big Data Processing With the Launch of Hive 4.0
2. Mai 2024, Datanami

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

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

Teilen sie diese Seite mit ihrem Netzwerk