DBMS > Apache Druid vs. DataFS vs. InfinityDB vs. Trafodion

Vergleich der Systemeigenschaften Apache Druid vs. DataFS vs. InfinityDB vs. Trafodion

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Open-source analytics data store designed for sub-second OLAP queries on high dimensionality and high cardinality data

All data is stored inside objects which are linked by so-called link attributes. Objects consist of classes which can be extended and de-extended at runtime. Graphs can be defined with a struct.

A Java embedded Key-Value Store which extends the Java Map interface

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Relational DBMS
Time Series DBMS

Object oriented DBMS

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Graph DBMS

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

Punkte	3,25
Rang	#90	Overall
	#47	Relational DBMS
	#7	Time Series DBMS

Punkte	0,09
Rang	#360	Overall
	#17	Object oriented DBMS

Punkte	0,08
Rang	#365	Overall
	#55	Key-Value Stores

Website

Technische Dokumentation

druid.apache.org/docs/latest/design

dev.mobiland.com/Overview.xsp

boilerbay.com/infinitydb/manual

trafodion.apache.org/documentation.html

Entwickler

Apache Software Foundation and contributors

Mobiland AG

Boiler Bay Inc.

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2012

2018

2002

2014

Aktuelle Version

29.0.1, April 2024

1.1.263, October 2022

4.0

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

Open Source

Apache license v2

kommerziell

Open Source

Apache 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

C++, Java

Server Betriebssysteme

Linux
OS X
Unix

Windows

Alle Betriebssysteme mit einer Java VM

Linux

Datenschema

schema-less columns are supported

Classes, Structs, and Lists are written in proprietary DataTypeDefinitionLanguage (.dtdl) and Objects consisting of those are written in proprietary DataAccessDefinitionLanguage (.dadl)

nested virtual Java Maps, multi-value, logical â€˜tuple spaceâ€™ runtime Schema upgrade

Typisierung

vordefinierte Datentypen, z.B. float oder date

all Java primitives, Date, CLOB, BLOB, huge sparse arrays

XML Unterstützung

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

nein

Sekundärindizes

nein

manual creation possible, using inversions based on multi-value capability

SQL

Support of SQL

SQL for querying

nein

APIs und andere Zugriffskonzepte

JDBC
RESTful HTTP/JSON API

.NET Client API
Proprietary client DLL
WinRT client

Access via java.util.concurrent.ConcurrentNavigableMap Interface
Proprietary API to InfinityDB ItemSpace (boilerbay.com/docs/ItemSpaceDataStructures.htm)

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

Clojure
JavaScript
PHP
Python
R
Ruby
Scala

.Net
C
C#
C++
VB.Net

Java

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

Triggers

nein

no, except callback-events from server when changes happened

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

manual/auto, time-based

Proprietary Sharding system

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

ja, durch HDFS, S3 oder andere Storage Engines

keine

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

READ-COMMITTED or SERIALIZED

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

manual creation possible, using inversions based on multi-value capability

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Optimistic locking for transactions; no isolation for bulk loads

ACID

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

RBAC using LDAP or Druid internals for users and groups for read/write by datasource and system

Windows-Profile

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Apache Druid Wins Best Big Data Product in the 2023 BigDATAwire Readers' Choice Awards
26. Januar 2024, Datanami

'Lucifer' Botnet Turns Up the Heat on Apache Hadoop Servers
21. Februar 2024, Dark Reading

New DDoS malware Attacking Apache big-data stack, Hadoop, & Druid Servers
26. Februar 2024, GBHackers

Apache Druid Takes Its Place In The Pantheon Of Databases
16. Juni 2022, The Next Platform

Imply advances Apache Druid real-time analytics database
20. September 2022, TechTarget

bereitgestellt von Google News

SQL-on-Hadoop Database Trafodion Bridges Transactions and Analysis
24. Januar 2018, The New Stack

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

Low-latency, distributed database architectures are critical for emerging fog applications
16. Juli 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk