DBMS > Badger vs. EsgynDB vs. Hive vs. HugeGraph

Vergleich der Systemeigenschaften Badger vs. EsgynDB vs. Hive vs. HugeGraph

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An embeddable, persistent, simple and fast Key-Value Store, written purely in Go.

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

Data Warehouse Software zum Abfragen und Verwalten großer verteilter Datenmengen beispielsweise in Hadoop

A fast-speed and highly-scalable Graph DBMS

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Graph DBMS

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

Punkte	0,20
Rang	#325	Overall
	#49	Key-Value Stores

Punkte	0,23
Rang	#319	Overall
	#141	Relational DBMS

Punkte	62,59
Rang	#18	Overall
	#12	Relational DBMS

Punkte	0,15
Rang	#339	Overall
	#33	Graph DBMS

Website

github.com/dgraph-io/badger

www.esgyn.cn

hive.apache.org

github.com/hugegraph
hugegraph.apache.org

Technische Dokumentation

godoc.org/github.com/dgraph-io/badger

cwiki.apache.org/confluence/display/Hive/Home

hugegraph.apache.org/docs

Entwickler

DGraph Labs

Esgyn

Apache Software Foundation

Ursprünglich von Facebook entwickelt

Baidu

Erscheinungsjahr

2017

2015

2012

2018

Aktuelle Version

3.1.3, April 2022

0.9

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

Apache Version 2

Open Source

Apache Version 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

C++, Java

Java

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

Linux

Alle Betriebssysteme mit einer Java VM

Linux
macOS
Unix

Datenschema

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

also supports composite index and range index

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC
Thrift

Java API
RESTful HTTP API
TinkerPop Gremlin

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

C++
Java
PHP
Python

Groovy
Java
Python

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

Benutzerdefinierte Funktion und Map-Reduce Integration

asynchronous Gremlin script jobs

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

depending on used storage backend, e.g. Cassandra and HBase

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-source replication between multi datacenters

frei wählbarer Replikationsfaktor

depending on used storage backend, e.g. Cassandra and HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Abfragen werden als MapReduce Jobs behandelt

via hugegraph-spark

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

edges in graph

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

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

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Zugriffsrechte für Benutzer, Gruppen und Rollen

Users, roles and permissions

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

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

Top 80 Hadoop Interview Questions and Answers for 2024
15. Februar 2024, Simplilearn

Data Engineering in 2024: Predictions For Data Lakes and The Serving Layer
23. Januar 2024, Datanami

What Is Apache Iceberg?
26. Februar 2024, IBM

bereitgestellt von Google News

Critical Apache HugeGraph Flaw Let Attackers Execute Remote Code
23. April 2024, GBHackers

全面升级！Apache HugeGraph 1.2.0版本发布_apach hugegraph
27. Februar 2024, blog.csdn.net

HugeGraph 部署和Hubble1.0.0的数据导入Bug修复_hugegraph-hubble导入数据时选择属性显示不全
18. Oktober 2023, blog.csdn.net

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk