DBMS > Bangdb vs. OrigoDB vs. Splice Machine vs. WakandaDB

Vergleich der Systemeigenschaften Bangdb vs. OrigoDB vs. Splice Machine vs. WakandaDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Converged and high performance database for device data, events, time series, document and graph

A fully ACID in-memory object graph database

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

WakandaDB is embedded in a server that provides a REST API and a server-side javascript engine to access data

Primäres Datenbankmodell

Document Store
Graph DBMS
Time Series DBMS

Document Store
Object oriented DBMS

Relational DBMS

Object oriented DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	0,08
Rang	#347	Overall
	#47	Document Stores
	#34	Graph DBMS
	#31	Time Series DBMS

Punkte	0,00
Rang	#383	Overall
	#53	Document Stores
	#20	Object oriented DBMS

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

Punkte	0,03
Rang	#364	Overall
	#17	Object oriented DBMS

Website

Technische Dokumentation

docs.bangdb.com

origodb.com/docs

splicemachine.com/how-it-works

wakanda.github.io/doc

Entwickler

Sachin Sinha, BangDB

Robert Friberg et al

Splice Machine

Wakanda SAS

Erscheinungsjahr

2012

2009

under the name LiveDB

2014

2012

Aktuelle Version

BangDB 2.0, October 2021

3.1, March 2021

2.7.0 (April 29, 2019), April 2019

Lizenz

Commercial or Open Source

Open Source

BSD 3

Open Source

AGPL 3.0, commercial license available

Open Source

AGPLv3, erweiterte kommerzielle Lizenz verfügbar

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, C++

Java

C++, JavaScript

Server Betriebssysteme

Linux

Linux
Windows

Linux
OS X
Solaris
Windows

Linux
OS X
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: string, long, double, int, geospatial, stream, events

User defined using .NET types and collections

XML Unterstützung

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

nein

can be achieved using .NET

nein

Sekundärindizes

secondary, composite, nested, reverse, geospatial

SQL

Support of SQL

SQL like support with command line tool

nein

APIs und andere Zugriffskonzepte

Propriätäres Protokoll
RESTful HTTP API

.NET Client API
HTTP API
LINQ

JDBC
Native Spark Datasource
ODBC

RESTful HTTP API

Unterstützte Programmiersprachen

C
C#
C++
Java
Python

.Net

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

JavaScript

Server-seitige Scripts

Stored Procedures

nein

Java

Triggers

yes, Notifications (with Streaming only)

Domain Events

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding (enterprise version only). P2P based virtual network overlay with consistent hashing and chord algorithm

horizontale Partitionierung

client side managed; servers are not synchronized

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

selectable replication factor, Knob for CAP (enterprise version only)

Source-Replica Replikation

Multi-Source Replikation
Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Tunable consistency, set CAP knob accordingly

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

depending on model

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, optimistic concurrency control

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

yes, implements WAL (Write ahead log) as well

Write ahead log

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

yes, run db with in-memory only mode

nein

Berechtigungskonzept

Zugriffskontrolle

yes (enterprise version only)

Role based authorization

Access rights for users, groups and roles 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

Erwähnungen in aktuellen Nachrichten

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

Splice Machine splices into AWS
8. Februar 2017, SDTimes.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk