DBMS > Apache Impala vs. atoti vs. Axibase vs. Pinecone

Vergleich der Systemeigenschaften Apache Impala vs. atoti vs. Axibase vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic DBMS für Hadoop

An in-memory DBMS combining transactional and analytical processing to handle the aggregation of ever-changing data.

Skalierbares Timeseries DBMS basierend auf HBase mit integrierter Rule Engine und Visualisierung

A managed, cloud-native vector database

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store

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

Punkte	12,45
Rang	#40	Overall
	#24	Relational DBMS

Punkte	0,61
Rang	#243	Overall
	#10	Object oriented DBMS

Punkte	0,35
Rang	#282	Overall
	#25	Time Series DBMS

Punkte	3,23
Rang	#92	Overall
	#3	Vektor DBMS

Website

impala.apache.org

atoti.io

axibase.com/docs/atsd/finance

www.pinecone.io

Technische Dokumentation

impala.apache.org/impala-docs.html

docs.atoti.io

docs.pinecone.io/docs/overview

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

ActiveViam

Axibase Corporation

Pinecone Systems, Inc

Erscheinungsjahr

2013

2019

Aktuelle Version

4.1.0, Juni 2022

15585

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

kommerziell

free versions available

kommerziell

Community Edition (single node) is free, Enterprise Edition (distributed) is paid

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

C++

Java

Server Betriebssysteme

Linux

gehostet

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

short, integer, long, float, double, decimal, string

String, Number, Boolean

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-like DML and DDL statements

Multidimensional Expressions (MDX)

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC
Proprietary protocol (Network API)
RESTful HTTP API

RESTful HTTP API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

Go
Java
PHP
Python
R
Ruby

Python

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

Python

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Sharding, horizontal partitioning

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als Map/Reduce Jobs durchgeführt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

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

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

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

DB-Engines Blog Posts

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Apache Impala becomes Top-Level Project
28. November 2017, SDTimes.com

Cloudera Bringing Impala to AWS Cloud
28. November 2017, Datanami

Apache Doris just 'graduated': Why care about this SQL data warehouse
24. Juni 2022, InfoWorld

Hudi: Uber Engineering’s Incremental Processing Framework on Apache Hadoop
12. März 2017, Uber

Updates & Upserts in Hadoop Ecosystem with Apache Kudu
27. Oktober 2017, KDnuggets

bereitgestellt von Google News

FRTB product of the year: ActiveViam
28. November 2023, Risk.net

bereitgestellt von Google News

The Ultimate ATV Test: Suzuki's King Quad 750 AXI Rugged Package vs. Alaska's Hunting Season
14. Oktober 2020, Outdoor Life

Time Series Databases Software Market - A comprehensive study by Key Players | Warp 10, Amazon Timestream ...
6. Februar 2020, openPR

bereitgestellt von Google News

PostgreSQL is Now Faster than Pinecone, 75% Cheaper, with New Open Source Extensions
11. Juni 2024, PR Newswire

Pinecone launches its serverless vector database out of preview
14. Juni 2024, Yahoo Movies UK

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

Pinecone launches its serverless vector database out of preview
21. Mai 2024, TechCrunch

A New Era AI Databases: PostgreSQL with pgvectorscale Outperforms Pinecone and Cuts Costs by 75% with New Open-Source Extensions
12. Juni 2024, MarkTechPost

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk