DBMS > Apache Phoenix vs. Hawkular Metrics vs. Kinetica vs. Riak KV vs. TimescaleDB

Vergleich der Systemeigenschaften Apache Phoenix vs. Hawkular Metrics vs. Kinetica vs. Riak KV vs. TimescaleDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

Hawkular metrics is the metric storage of the Red Hat sponsored Hawkular monitoring system. It is based on Cassandra.

Fully vectorized database across both GPUs and CPUs

Verteilter, fehlertoleranter Key-Value Store

A time series DBMS optimized for fast ingest and complex queries, based on PostgreSQL

Primäres Datenbankmodell

mit Links zwischen Datensätzen und mit Objekt-Tags zur Bildung von Sekundärindizes

Time Series DBMS

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

Relational DBMS

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

Punkte	2,06
Rang	#123	Overall
	#58	Relational DBMS

Punkte	0,08
Rang	#366	Overall
	#39	Time Series DBMS

Punkte	0,66
Rang	#234	Overall
	#107	Relational DBMS

Punkte	4,01
Rang	#79	Overall
	#9	Key-Value Stores

Punkte	4,46
Rang	#71	Overall
	#5	Time Series DBMS

Website

Technische Dokumentation

phoenix.apache.org

www.hawkular.org/hawkular-metrics/docs/user-guide

docs.kinetica.com

www.tiot.jp/riak-docs/riak/kv/latest

docs.timescale.com

Entwickler

Apache Software Foundation

Community supported by Red Hat

Kinetica

OpenSource, formerly Basho Technologies

Timescale

Erscheinungsjahr

2014

2012

2009

2017

Aktuelle Version

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

7.1, August 2021

3.2.0, Dezember 2022

2.15.0, Mai 2024

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

Apache 2.0

kommerziell

Open Source

Apache Version 2, kommerzielle Enterprise Edition

Open Source

Apache 2.0

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++

Erlang

Server Betriebssysteme

Linux
Unix
Windows

Linux
OS X
Windows

Linux

Linux
OS X

Linux
OS X
Windows

Datenschema

late-bound, schema-on-read capabilities

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

Sekundärindizes

nein

eingeschränkt

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

full PostgreSQL SQL syntax

APIs und andere Zugriffskonzepte

JDBC

HTTP REST

JDBC
ODBC
RESTful HTTP API

HTTP API
Native Erlang Interface

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

Unterstützte Programmiersprachen

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

Go
Java
Python
Ruby

C++
Java
JavaScript (Node.js)
Python

inoffizielle Client Library
C#
C++

inoffizielle Client Library
Clojure

inoffizielle Client Library
Dart

inoffizielle Client Library
Erlang
Go

inoffizielle Client Library
Groovy

inoffizielle Client Library
Haskell

inoffizielle Client Library
Java
JavaScript

inoffizielle Client Library
Lisp

inoffizielle Client Library
Perl

inoffizielle Client Library
PHP
Python
Ruby
Scala

inoffizielle Client Library
Smalltalk

inoffizielle Client Library

.Net
C
C++
Delphi
Java

JDBC
JavaScript
Perl
PHP
Python
R
Ruby
Scheme
Tcl

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

benutzerdefinierte Funktionen

Erlang

benutzerdefinierte Funktionen, PL/Tcl, PL/Perl, PL/Python, PL/Java, PL/PHP, PL/R, PL/Ruby, PL/Scheme, PL/Unix shell

Triggers

nein

via Hawkular Alerting

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

Pre-Commit Hooks und Post-Commit Hooks

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Sharding

kein "single point of failure"

yes, across time and space (hash partitioning) attributes

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

frei wählbarer Replikationsfaktor

basierend auf Cassandra

Source-Replica Replikation

frei wählbarer Replikationsfaktor

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

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Immediate Consistency or Eventual Consistency depending on configuration

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

es können Links zwischen Datensätzen gespeichert werden

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

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

GPU vRAM or System RAM

nein

Berechtigungskonzept

Zugriffskontrolle

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

nein

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

yes, using Riak Security

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

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 | Amazon Web Services
2. Juni 2016, AWS Blog

Bridge the SQL-NoSQL gap with Apache Phoenix
4. Februar 2016, InfoWorld

Apache Calcite, FreeMarker, Gora, Phoenix, and Solr updated
27. März 2017, SDTimes.com

Azure HDInsight Analytics Platform Now Supports Apache Hadoop 3.0
18. April 2019, eWeek

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

bereitgestellt von Google News

Waiting for Red Hat OpenShift 4.0? Too late, 4.1 has already arrived… • DEVCLASS
5. Juni 2019, DevClass

bereitgestellt von Google News

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

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

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

Kinetica Launches Generative AI Solution for Real-Time Inferencing Powered by NVIDIA AI Enterprise
18. März 2024, GlobeNewswire

Transforming spatiotemporal data analysis with GPUs and generative AI
30. Oktober 2023, InfoWorld

bereitgestellt von Google News

TimescaleDB Is a Vector Database Now, Too
25. September 2023, Datanami

Timescale Acquires PopSQL to Bring a Modern, Collaborative SQL GUI to PostgreSQL Developers
4. April 2024, PR Newswire

Power IoT and time-series workloads with TimescaleDB for Azure Database for PostgreSQL
18. März 2019, Microsoft

Timescale Valuation Rockets to Over $1B with $110M Round, Marking the Explosive Rise of Time-Series Data
22. Februar 2022, Business Wire

Timescale announces $15M investment and new enterprise version of TimescaleDB
29. Januar 2019, TechCrunch

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk