DBMS > Apache Phoenix vs. DolphinDB vs. EsgynDB vs. Kinetica

Vergleich der Systemeigenschaften Apache Phoenix vs. DolphinDB vs. EsgynDB vs. Kinetica

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

DolphinDB is a high performance Time Series DBMS. It is integrated with an easy-to-use fully featured programming language and a high-volume high-velocity streaming analytics system. It offers operational simplicity, scalability, fault tolerance, and concurrency.

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

Fully vectorized database across both GPUs and CPUs

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS
Vektor DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Relational DBMS

Spatial DBMS
Time Series DBMS

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

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

Punkte	2,72
Rang	#100	Overall
	#8	Time Series DBMS
	#5	Vektor DBMS

Punkte	0,15
Rang	#325	Overall
	#144	Relational DBMS

Punkte	0,42
Rang	#261	Overall
	#120	Relational DBMS

Website

Technische Dokumentation

phoenix.apache.org

docs.dolphindb.cn/en/help200/index.html

docs.kinetica.com

Entwickler

Apache Software Foundation

DolphinDB, Inc

Esgyn

Kinetica

Erscheinungsjahr

2014

2018

2015

2012

Aktuelle Version

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

v2.00.4, January 2022

7.1, August 2021

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

free community version available

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++

C++, Java

C, C++

Server Betriebssysteme

Linux
Unix
Windows

Linux
Windows

Linux

Datenschema

late-bound, schema-on-read capabilities

Typisierung

vordefinierte Datentypen, z.B. float oder date

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 query language

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC

JDBC
JSON over HTTP
Kafka
MQTT (Message Queue Telemetry Transport)
ODBC
OPC DA
OPC UA
RabbitMQ
WebSocket

ADO.NET
JDBC
ODBC

JDBC
ODBC
RESTful HTTP API

Unterstützte Programmiersprachen

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

C#
C++
Go
Java
JavaScript
MatLab
Python
R
Rust

All languages supporting JDBC/ODBC/ADO.Net

C++
Java
JavaScript (Node.js)
Python

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

Java Stored Procedures

benutzerdefinierte Funktionen

Triggers

nein

triggers when inserted values for one or more columns fall within a specified range

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

horizontale Partitionierung

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

Multi-source replication between multi datacenters

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

Immediate Consistency or Eventual Consistency depending on configuration

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

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

GPU vRAM or System RAM

Berechtigungskonzept

Zugriffskontrolle

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

Administrators, Users, Groups

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

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, azure.microsoft.com

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

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica Delivers Real-Time Vector Similarity Search
21. März 2024, insideBIGDATA

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica: AI is a ‘killer app’ for data analytics
2. Mai 2023, Blocks & Files

Kinetica Taps Dell for Hardware
12. Juni 2018, Finovate

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk