DBMS > Axibase vs. HEAVY.AI vs. LMDB vs. ObjectBox

Vergleich der Systemeigenschaften Axibase vs. HEAVY.AI vs. LMDB vs. ObjectBox

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

A high performance, column-oriented RDBMS, specifically developed to harness the massive parallelism of modern CPU and GPU hardware

A high performant, light-weight, embedded key-value database library

Extremely fast embedded database for small devices, IoT and Mobile

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Spatial DBMS

Time Series DBMS

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

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

Punkte	1,64
Rang	#145	Overall
	#67	Relational DBMS

Punkte	2,09
Rang	#121	Overall
	#20	Key-Value Stores

Punkte	1,29
Rang	#166	Overall
	#5	Object oriented DBMS

Website

axibase.com/docs/atsd/finance

github.com/heavyai/heavydb
www.heavy.ai

www.symas.com/symas-embedded-database-lmdb

objectbox.io

Technische Dokumentation

docs.heavy.ai

www.lmdb.tech/doc

docs.objectbox.io

Entwickler

Axibase Corporation

HEAVY.AI, Inc.

Symas

ObjectBox Limited

Erscheinungsjahr

2013

2016

2011

2017

Aktuelle Version

15585

5.10, Jänner 2022

0.9.32, Jaenner 2024

Lizenz

Commercial or Open Source

kommerziell

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

Open Source

Apache Version 2; enterprise edition available

Open Source

Apache License 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++ and CUDA

C und C++

Server Betriebssysteme

Linux

Linux
Unix
Windows

Android
iOS
Linux
macOS
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

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 query language

nein

APIs und andere Zugriffskonzepte

JDBC
Proprietary protocol (Network API)
RESTful HTTP API

JDBC
ODBC
Thrift
Vega

Proprietäres native API

Unterstützte Programmiersprachen

Go
Java
PHP
Python
R
Ruby

All languages supporting JDBC/ODBC/Thrift
Python

.Net
C
C++
Clojure
Go
Haskell
Java
JavaScript (Node.js)
Lisp
Lua
MatLab
Nim
Objective C
OCaml
Perl
PHP
Python
R
Ruby
Rust
Swift
Tcl

C
C++
Dart
Go
Java
JavaScript

planned (as of Jan 2019)
Kotlin
Python

planned (as of Jan 2019)
Swift

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

Multi-Source Replikation

keine

online/offline synchronization between client and server

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate 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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Neuigkeiten

The on-device Vector Database for Android and Java
29. Mai 2024

Vector search: making sense of search queries
29. Mai 2024

Python on-device Vector and Object Database for Local AI
28. Mai 2024

Evolution of search: traditional vs vector search
23. Mai 2024

On-device Vector Database for Dart/Flutter
21. Mai 2024

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

Erwähnungen in aktuellen Nachrichten

The Ultimate ATV Test: Suzuki's King Quad 750 AXI Rugged Package vs. Alaska's Hunting Season
20. April 2021, Outdoor Life

bereitgestellt von Google News

Big Data Analytics: A Game Changer for Infrastructure
13. Juli 2023, Spiceworks News and Insights

HEAVY.AI Launches HEAVY 7.0, Introducing Real-Time Machine Learning Capabilities
19. April 2023, Business Wire

HEAVY.AI Partners with Bain, Maxar, and Nvidia to Provide Digital Twins for Telecom Networks
16. Februar 2023, Datanami

Making the most of geospatial intelligence
14. April 2023, InfoWorld

The insideBIGDATA IMPACT 50 List for Q4 2023
11. Oktober 2023, insideBIGDATA

bereitgestellt von Google News

Automating SAP S/4HANA Migration with IT-Conductor, BGP Managed Services, and AWS | Amazon Web Services
22. August 2023, AWS Blog

The Tom Brady Data Biography
8. September 2023, StatsBomb

The Lightning Memory-mapped Database
2. März 2016, InfoQ.com

Akamai launches managed database service – Blocks and Files
25. April 2022, Blocks and Files

HarperDB - How and Why We Built It From The Ground Up on NodeJS
28. Februar 2021, hackernoon.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk