DBMS > Apache Druid vs. Databend vs. Heroic vs. Linter vs. SwayDB

Vergleich der Systemeigenschaften Apache Druid vs. Databend vs. Heroic vs. Linter vs. SwayDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

An open-source, elastic, and workload-aware cloud data warehouse designed to meet businesses' massive-scale analytics needs at low cost and with low complexity

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

RDBMS for high security requirements

An embeddable, non-blocking, type-safe key-value store for single or multiple disks and in-memory storage

Primäres Datenbankmodell

Relational DBMS
Time Series DBMS

Sekundäre Datenbankmodelle

Spatial 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	0,34
Rang	#283	Overall
	#130	Relational DBMS

Punkte	0,46
Rang	#265	Overall
	#22	Time Series DBMS

Punkte	0,12
Rang	#350	Overall
	#152	Relational DBMS

Punkte	0,04
Rang	#387	Overall
	#61	Key-Value Stores

Website

druid.apache.org

github.com/datafuselabs/databend
www.databend.com

github.com/spotify/heroic

linter.ru

swaydb.simer.au

Technische Dokumentation

druid.apache.org/docs/latest/design

docs.databend.com

spotify.github.io/heroic

Entwickler

Apache Software Foundation and contributors

Databend Labs

Spotify

relex.ru

Simer Plaha

Erscheinungsjahr

2012

2021

2014

1990

2018

Aktuelle Version

29.0.1, April 2024

1.0.59, April 2023

Lizenz

Commercial or Open Source

Open Source

Apache license v2

Open Source

Apache Version 2.0

Open Source

Apache 2.0

kommerziell

Open Source

GNU Affero GPL V3.0

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

Rust

Java

C und C++

Scala

Server Betriebssysteme

Linux
OS X
Unix

gehostet
Linux
macOS

AIX
Android
BSD
HP Open VMS
iOS
Linux
OS X
VxWorks
Windows

Datenschema

schema-less columns are supported

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

Sekundärindizes

nein

via Elasticsearch

nein

SQL

Support of SQL

SQL for querying

nein

APIs und andere Zugriffskonzepte

JDBC
RESTful HTTP/JSON API

CLI Client
JDBC
RESTful HTTP API

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

ADO.NET
JDBC
LINQ
ODBC
OLE DB
Oracle Call Interface (OCI)

Unterstützte Programmiersprachen

Clojure
JavaScript
PHP
Python
R
Ruby
Scala

Go
Java
JavaScript (Node.js)
Python
Rust

C
C#
C++
Java
Perl
PHP
Python
Qt
Ruby
Tcl

Java
Kotlin
Scala

Server-seitige Scripts

Stored Procedures

nein

proprietary syntax with the possibility to convert from PL/SQL

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

manual/auto, time-based

keine

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

ja, durch HDFS, S3 oder andere Storage Engines

keine

Source-Replica Replikation

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Atomic execution of operations

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

Users with fine-grained authorization concept, user roles

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

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

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

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

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

How to connect DataGrip to Apache Druid | by Zisis Flokas
18. Oktober 2021, Towards Data Science

bereitgestellt von Google News

Data Bending: Creating Unique Digital Visual Effects
23. April 2020, RedShark News

Rust and the OS, the Web, Database and Other Languages
21. November 2022, The New Stack

Â£1.1 Million in AddisonMckee Tube Bending Technologies Provides Dinex with Outstanding OEM Credentials
24. Mai 2007, news.thomasnet.com

bereitgestellt von Google News

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk