DBMS > Badger vs. Google Cloud Bigtable vs. OpenTSDB vs. Prometheus

Vergleich der Systemeigenschaften Badger vs. Google Cloud Bigtable vs. OpenTSDB vs. Prometheus

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.

Google's NoSQL Big Data database service. It's the same database that powers many core Google services, including Search, Analytics, Maps, and Gmail.

Skalierbares Timeseries DBMS basierend auf HBase

Open Source Timeseries DBMS und Monitoring System

Primäres Datenbankmodell

Key-Value Store

Key-Value Store
Wide Column Store

Time Series DBMS

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

Punkte	0,22
Rang	#320	Overall
	#47	Key-Value Stores

Punkte	3,15
Rang	#95	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	1,68
Rang	#142	Overall
	#12	Time Series DBMS

Punkte	7,69
Rang	#50	Overall
	#3	Time Series DBMS

Website

github.com/dgraph-io/badger

cloud.google.com/bigtable

opentsdb.net

prometheus.io

Technische Dokumentation

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

cloud.google.com/bigtable/docs

opentsdb.net/docs/build/html/index.html

prometheus.io/docs

Entwickler

DGraph Labs

Google

derzeit von Yahoo und anderen gewartet

Erscheinungsjahr

2017

2015

2011

2015

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

LGPL

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

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

gehostet

Linux
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

numerische Daten für Metriken, Strings für Tags

Numeric data only

XML Unterstützung

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

nein

Importieren von XML Daten möglich

Sekundärindizes

nein

SQL

Support of SQL

nein

APIs und andere Zugriffskonzepte

gRPC (using protocol buffers) API
HappyBase (Python library)
HBase compatible API (Java)

HTTP API
Telnet API

RESTful HTTP/JSON API

Unterstützte Programmiersprachen

C#
C++
Go
Java
JavaScript (Node.js)
Python

Erlang
Go
Java
Python
R
Ruby

.Net
C++
Go
Haskell
Java
JavaScript (Node.js)
Python
Ruby

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

basierend auf HBase

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Internal replication in Colossus, and regional replication between two clusters in different zones

frei wählbarer Replikationsfaktor

basierend auf HBase

mittels Federation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate consistency (for a single cluster), Eventual consistency (for two or more replicated clusters)

Immediate Consistency

basierend auf HBase

keine

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Atomic single-row operations

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

nein

Access rights for users, groups and roles based on Google Cloud Identity and Access Management (IAM)

nein

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

Time Series DBMS are the database category with the fastest increase in popularity
4. Juli 2016, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Google Introduces Autoscaling for Cloud Bigtable for Optimizing Costs
31. Januar 2022, InfoQ.com

Google scales up Cloud Bigtable NoSQL database
27. Januar 2022, TechTarget

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

Google Cloud makes it cheaper to run smaller workloads on Bigtable
7. April 2020, TechCrunch

Google introduces Cloud Bigtable managed NoSQL database to process data at scale
6. Mai 2015, VentureBeat

bereitgestellt von Google News

Comparing Different Time-Series Databases
10. Februar 2022, hackernoon.com

MapR to help admins peer into dense Hadoop clusters
28. Juni 2016, SiliconANGLE News

A real-time processing revival - O'Reilly Radar
2. April 2015, O'Reilly Radar

bereitgestellt von Google News

VTEX scales to 150 million metrics using Amazon Managed Service for Prometheus | Amazon Web Services
10. März 2024, AWS Blog

Exadata Real-Time Insight - Quick Start
3. April 2024, Oracle

OpenTelemetry vs. Prometheus: You can’t fix what you can’t see
29. März 2024, IBM

VictoriaMetrics Offers Prometheus Replacement for Time Series Monitoring
17. Juli 2023, The New Stack

Linux System Monitoring with Prometheus, Grafana, and collectd
1. Februar 2024, Linux Journal

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk