DBMS > Apache Phoenix vs. DataFS vs. InfinityDB vs. OpenMLDB

Vergleich der Systemeigenschaften Apache Phoenix vs. DataFS vs. InfinityDB vs. OpenMLDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A scale-out RDBMS with evolutionary schema built on Apache HBase

All data is stored inside objects which are linked by so-called link attributes. Objects consist of classes which can be extended and de-extended at runtime. Graphs can be defined with a struct.

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

An open-source machine learning database that provides a feature platform for training and inference

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Graph DBMS

Relational DBMS

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

Punkte	1,90
Rang	#125	Overall
	#59	Relational DBMS

Punkte	0,02
Rang	#369	Overall
	#18	Object oriented DBMS

Punkte	0,00
Rang	#383	Overall
	#59	Key-Value Stores

Punkte	0,11
Rang	#339	Overall
	#30	Time Series DBMS

Website

Technische Dokumentation

phoenix.apache.org

dev.mobiland.com/Overview.xsp

boilerbay.com/infinitydb/manual

openmldb.ai/docs/zh/main

Entwickler

Apache Software Foundation

Mobiland AG

Boiler Bay Inc.

4 Paradigm Inc.

Erscheinungsjahr

2014

2018

2002

2020

Aktuelle Version

5.0-HBase2, July 2018 and 4.15-HBase1, December 2019

1.1.263, October 2022

4.0

2024-2 February 2024

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

Open Source

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++, Java, Scala

Server Betriebssysteme

Linux
Unix
Windows

Windows

Alle Betriebssysteme mit einer Java VM

Linux

Datenschema

late-bound, schema-on-read capabilities

Classes, Structs, and Lists are written in proprietary DataTypeDefinitionLanguage (.dtdl) and Objects consisting of those are written in proprietary DataAccessDefinitionLanguage (.dadl)

nested virtual Java Maps, multi-value, logical â€˜tuple spaceâ€™ runtime Schema upgrade

Fixed schema

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

nein

APIs und andere Zugriffskonzepte

JDBC

.NET Client API
Proprietary client DLL
WinRT client

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

JDBC
SQLAlchemy

Unterstützte Programmiersprachen

C
C#
C++
Go
Groovy
Java
PHP
Python
Scala

.Net
C
C#
C++
VB.Net

Java

C++
Go
Java
Python
Scala

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

nein

no, except callback-events from server when changes happened

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Proprietary Sharding system

keine

horizontal partitioning

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency

Immediate Consistency

READ-COMMITTED or SERIALIZED

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

manual creation possible, using inversions based on multi-value capability

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Optimistic locking for transactions; no isolation for bulk loads

nein

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

Access Control Lists (using HBase ACL) for RBAC, integration with Apache Ranger for RBAC & ABAC, multi-tenancy

Windows-Profile

nein

fine grained access rights according to 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

Cloudera's HBase PaaS offering now supports Complex Transactions
11. August 2021, Krishna Maheshwari (sponsor)

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Supercharge SQL on Your Data in Apache HBase with Apache Phoenix
2. Juni 2016, AWS Blog

Deep dive into Azure HDInsight 4.0
25. September 2018, Microsoft

Hortonworks Starts Hadoop Summit with Data Platform Update
28. Juni 2016, ADT Magazine

Apache Drill Adds New Data Formats
28. März 2022, iProgrammer

Amazon EMR 4.7.0 – Apache Tez & Phoenix, Updates to Existing Apps
2. Juni 2016, AWS Blog

bereitgestellt von Google News

MLOp practice: using OpenMLDB in the real-time anti-fraud model for the bank's online transaction
23. August 2021, Towards Data Science

Predictive maintenance — 5minutes demo of an end to end machine learning project
13. August 2021, Towards Data Science

Compared to Native Spark 3.0, We Have Achieved Significant Optimization Effects in the AI
3. August 2021, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk