DBMS > Apache Druid vs. FeatureBase vs. InfinityDB vs. Linter

Vergleich der Systemeigenschaften Apache Druid vs. FeatureBase vs. InfinityDB vs. Linter

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

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

Real-time database platform that powers real-time analytics and machine learning applications by simultaneously executing low-latency, high-throughput, and highly concurrent workloads.

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

RDBMS for high security requirements

Primäres Datenbankmodell

Relational DBMS
Time Series DBMS

Relational DBMS

Key-Value Store

Relational 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	0,31
Rang	#292	Overall
	#135	Relational DBMS

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

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

Website

Technische Dokumentation

druid.apache.org/docs/latest/design

docs.featurebase.com

boilerbay.com/infinitydb/manual

Entwickler

Apache Software Foundation and contributors

Molecula and Pilosa Open Source Contributors

Boiler Bay Inc.

relex.ru

Erscheinungsjahr

2012

2017

2002

1990

Aktuelle Version

29.0.1, April 2024

2022, May 2022

4.0

Lizenz

Commercial or Open Source

Open Source

Apache license v2

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 und C++

Server Betriebssysteme

Linux
OS X
Unix

Linux
macOS

Alle Betriebssysteme mit einer Java VM

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

Datenschema

schema-less columns are supported

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

SQL queries

nein

APIs und andere Zugriffskonzepte

JDBC
RESTful HTTP/JSON API

gRPC
JDBC
Kafka Connector
ODBC

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

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

Unterstützte Programmiersprachen

Clojure
JavaScript
PHP
Python
R
Ruby
Scala

Java
Python

Java

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

Server-seitige Scripts

Stored Procedures

nein

proprietary syntax with the possibility to convert from PL/SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

manual/auto, time-based

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

ja, durch HDFS, S3 oder andere Storage Engines

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

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

yes, using Linux fsync

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

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

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

bereitgestellt von Google News

The 10 Hottest Big Data Startups Of 2021
18. November 2021, CRN

Get Your Infrastructure Ready for Real-Time Analytics
9. März 2022, Built In

Pilosa: A Scalable High Performance Bitmap Database Index
17. Juni 2019, hackernoon.com

32 Data and Analytics Startups That Will Go Big, According to VCs
28. September 2021, Business Insider

The 10 Coolest Big Data Tools Of 2021
7. Dezember 2021, CRN

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk