DBMS > Badger vs. HEAVY.AI vs. OpenMLDB vs. Realm

Vergleich der Systemeigenschaften Badger vs. HEAVY.AI vs. OpenMLDB vs. Realm

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.

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

An open-source machine learning database that provides a feature platform for training and inference

A DBMS built for use on mobile devices that’s a fast, easy to use alternative to SQLite and Core Data

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Spatial DBMS

Relational DBMS

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

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

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

Punkte	0,10
Rang	#359	Overall
	#36	Time Series DBMS

Punkte	7,41
Rang	#52	Overall
	#8	Document Stores

Website

github.com/dgraph-io/badger

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

openmldb.ai

realm.io

Technische Dokumentation

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

docs.heavy.ai

openmldb.ai/docs/zh/main

realm.io/docs

Entwickler

DGraph Labs

HEAVY.AI, Inc.

4 Paradigm Inc.

Realm, acquired by MongoDB in May 2019

Erscheinungsjahr

2017

2016

2020

2014

Aktuelle Version

5.10, Jänner 2022

2024-2 February 2024

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache Version 2; enterprise edition available

Open Source

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++ and CUDA

C++, Java, Scala

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

Linux

Android
Backend: serverlos
iOS
Windows

Datenschema

schemafrei

Fixed schema

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

SQL

Support of SQL

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift
Vega

JDBC
SQLAlchemy

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
Python

C++
Go
Java
Python
Scala

.Net
Java

with Android only
Objective-C
React Native
Swift

Server-seitige Scripts

Stored Procedures

nein

runs within the applications so server-side scripts are unnecessary

Triggers

nein

Change Listeners

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

Round robin

horizontal partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

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

In-Memory realm

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

fine grained access rights according to 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

MySQL, PostgreSQL and Redis are the winners of the March ranking
2. März 2016, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

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

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

MLOp practice: using OpenMLDB in the real-time anti-fraud model for the bank's online transaction
23. August 2021, Towards Data Science

Predictive maintenance — 5minutes demo of an end to end machine learning project
13. August 2021, Towards Data Science

Compared to Native Spark 3.0, We Have Achieved Significant Optimization Effects in the AI
3. August 2021, Towards Data Science

bereitgestellt von Google News

MongoDB aims to unify developer experience with launch of MongoDB Cloud
9. Juni 2020, diginomica

MongoDB Cloud Gives Developers An Escape From Data Silos With First-Ever Unified Cloud-To-Mobile Experience
10. Juni 2020, AiThority

Is Swift the Future of Server-side Development?
12. September 2017, Solutions Review

Java Synthetic Methods — What are these? | by Vaibhav Singh
27. Februar 2021, DataDrivenInvestor

Kotlin Programming Language Will Surpass Java On Android Next Year
15. Oktober 2017, Fossbytes

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk