DBMS > Badger vs. HEAVY.AI vs. OpenTSDB vs. SurrealDB

Vergleich der Systemeigenschaften Badger vs. HEAVY.AI vs. OpenTSDB vs. SurrealDB

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

Skalierbares Timeseries DBMS basierend auf HBase

A fully ACID transactional, developer-friendly, multi-model DBMS

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Time Series DBMS

Document Store
Graph DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	0,14
Rang	#331	Overall
	#49	Key-Value Stores

Punkte	1,77
Rang	#141	Overall
	#65	Relational DBMS

Punkte	1,68
Rang	#146	Overall
	#12	Time Series DBMS

Punkte	0,86
Rang	#203	Overall
	#34	Document Stores
	#18	Graph DBMS

Website

github.com/dgraph-io/badger

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

opentsdb.net

surrealdb.com

Technische Dokumentation

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

docs.heavy.ai

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

surrealdb.com/docs

Entwickler

DGraph Labs

HEAVY.AI, Inc.

derzeit von Yahoo und anderen gewartet

SurrealDB Ltd

Erscheinungsjahr

2017

2016

2011

2022

Aktuelle Version

5.10, Jänner 2022

v1.5.0, Mai 2024

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache Version 2; enterprise edition available

Open Source

LGPL

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

Java

Rust

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

Linux

Linux
Windows

Linux
macOS
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

numerische Daten für Metriken, Strings für Tags

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

SQL-like query language

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift
Vega

HTTP API
Telnet API

GraphQL
RESTful HTTP API
WebSocket

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
Python

Erlang
Go
Java
Python
R
Ruby

Deno
Go
JavaScript (Node.js)
Rust

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

Round robin

Sharding

basierend auf HBase

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation

frei wählbarer Replikationsfaktor

basierend auf HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

basierend auf HBase

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

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

yes, based on authentication and database rules

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

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, businesswire.com

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

OmniSci Gets HEAVY New Name and New CEO
1. März 2022, Datanami

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

bereitgestellt von Google News

Pinterest Switches from OpenTSDB to Their Own Time Series Database
16. September 2018, InfoQ.com

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

Brain Monitoring with Kafka, OpenTSDB, and Grafana
5. August 2016, KDnuggets

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

LogicMonitor Rolls a Time Series Database for Finer-Grain Reporting
1. Juni 2016, The New Stack

bereitgestellt von Google News

SD Times Open-Source Project of the Week: SurrealDB
10. Mai 2024, SDTimes.com

Meet Tobie Morgan Hitchcock, CEO & Co-Founder Of SurrealDB
25. April 2024, TechRound

Cloud, privacy and AI: Trends defining the future of data and databases
27. September 2023, Sifted

SurrealDB raises $6M for its database-as-a-service offering
4. Januar 2023, TechCrunch

Introducing SurrealDB: A Quantum Leap in Database Technology
11. September 2023, TechRound

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk