DBMS > Apache Impala vs. MonetDB vs. Pinecone

Vergleich der Systemeigenschaften Apache Impala vs. MonetDB 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

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

A managed, cloud-native vector database

Primäres Datenbankmodell

Relational DBMS

Vektor DBMS

Sekundäre Datenbankmodelle

Document Store

Document Store
Spatial DBMS

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

Punkte	10,63
Rang	#40	Overall
	#24	Relational DBMS

Punkte	1,72
Rang	#135	Overall
	#62	Relational DBMS

Punkte	3,02
Rang	#87	Overall
	#3	Vektor DBMS

Website

impala.apache.org

www.monetdb.org

www.pinecone.io

Technische Dokumentation

impala.apache.org/impala-docs.html

www.monetdb.org/Documentation

docs.pinecone.io/docs/overview

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Cloudera

MonetDB BV

Pinecone Systems, Inc

Erscheinungsjahr

2013

2004

2019

Aktuelle Version

4.1.0, Juni 2022

Dec2023 (11.49), Dezember 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Mozilla Public License 2.0

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++

Server Betriebssysteme

Linux

FreeBSD
Linux
OS X
Solaris
Windows

gehostet

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

SQL

Support of SQL

SQL-like DML and DDL statements

SQL 2003 mit einigen Erweiterungen

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

RESTful HTTP API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC

C
C++
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby

Python

Server-seitige Scripts

Stored Procedures

Benutzer definierte Funktionen und Integration von Map/Reduce

yes, in SQL, C, R

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Sharding via remote tables

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

Source-replica replication available in experimental status

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

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

Zugriffsrechte für Benutzer, Gruppen und Rollen

basiert auf Apache Sentry und Kerberos

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

DB-Engines Blog Posts

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Apache Impala 4 Supports Operator Multi-Threading
29. Juli 2021, iProgrammer

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

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

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

MonetDB Foundation launched
31. Januar 2024, Centrum Wiskunde & Informatica (CWI)

PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R — Part I
6. April 2018, Data Science Central

How MonetDB/X100 Exploits Modern CPU Performance
14. Januar 2020, Towards Data Science

Monet DB The Column-Store Pioneer
4. September 2019, Open Source For You

ServiceNow ordered a year's worth of hardware to avoid supply chain hassles
25. Mai 2022, The Register

bereitgestellt von Google News

Using the Pinecone vector database in .NET
12. September 2024, InfoWorld

Pinecone serverless goes multicloud as vector database market heats up
27. August 2024, VentureBeat

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

Pinecone launches serverless vector database on Azure, GCP
27. August 2024, TechTarget

Pinecone vector database available on AWS, Azure, and Google clouds
27. August 2024, Blocks & Files

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk