DBMS > Apache Druid vs. Heroic vs. Splice Machine vs. STSdb

Vergleich der Systemeigenschaften Apache Druid vs. Heroic vs. Splice Machine vs. STSdb

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

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

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Relational DBMS
Time Series DBMS

Time Series DBMS

Relational DBMS

Key-Value Store

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

Punkte	3,34
Rang	#88	Overall
	#48	Relational DBMS
	#7	Time Series DBMS

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

Punkte	0,04
Rang	#360	Overall
	#52	Key-Value Stores

Website

druid.apache.org

github.com/spotify/heroic

splicemachine.com

github.com/STSSoft/STSdb4

Technische Dokumentation

druid.apache.org/docs/latest/design

spotify.github.io/heroic

splicemachine.com/how-it-works

Entwickler

Apache Software Foundation and contributors

Spotify

Splice Machine

STS Soft SC

Erscheinungsjahr

2012

2014

2011

Aktuelle Version

29.0.1, April 2024

3.1, March 2021

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache license v2

Open Source

Apache 2.0

Open Source

AGPL 3.0, commercial license available

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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

Server Betriebssysteme

Linux
OS X
Unix

Linux
OS X
Solaris
Windows

Windows

Datenschema

schema-less columns are supported

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Primitive Typen und benutzerdefinierte Klassen

XML Unterstützung

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

nein

Sekundärindizes

via Elasticsearch

nein

SQL

Support of SQL

SQL for querying

nein

APIs und andere Zugriffskonzepte

JDBC
RESTful HTTP/JSON API

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

JDBC
Native Spark Datasource
ODBC

.NET Client API

Unterstützte Programmiersprachen

Clojure
JavaScript
PHP
Python
R
Ruby
Scala

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

C#
Java

Server-seitige Scripts

Stored Procedures

nein

Java

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

manual/auto, time-based

Sharding

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

ja, durch HDFS, S3 oder andere Storage Engines

Multi-Source Replikation
Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

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

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

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

Access rights for users, groups and roles according to 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

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

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

Imply Data gives Apache Druid schema auto-discover capability
6. Juni 2023, SiliconANGLE News

Imply Announces Automatic Schema Discovery for Apache Druid, Reinforcing Druid's Leadership for Real-Time ...
6. Juni 2023, businesswire.com

bereitgestellt von Google News

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

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

Splice Machine splices into AWS
8. Februar 2017, SDTimes.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk