DBMS > BigObject vs. FatDB vs. Milvus vs. NSDb

Vergleich der Systemeigenschaften BigObject vs. FatDB vs. Milvus vs. NSDb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Das Unternehmen FatDB/FatCloud hat im Februar 2014 seine Tätigkeit beendet. FatDB wurde eingestellt und erscheint deshalb nicht mehr im Ranking.

Kurzbeschreibung

Analytic DBMS für Echtzeitberechnungen und Queries

Ein .NET NoSQL DBMS, das in SQL Server integriert werden kann.

A DBMS designed for efficient storage of vector data and vector similarity searches

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

Primäres Datenbankmodell

Relational DBMS

Ein hierarchisches Modell (Baum) kann einer Tabelle übergestülpt werden

Document Store
Key-Value Store

Vektor DBMS

Time Series DBMS

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

Punkte	0,13
Rang	#333	Overall
	#147	Relational DBMS

Punkte	2,31
Rang	#113	Overall
	#3	Vektor DBMS

Punkte	0,00
Rang	#383	Overall
	#41	Time Series DBMS

Website

bigobject.io

milvus.io

nsdb.io

Technische Dokumentation

docs.bigobject.io

milvus.io/docs/overview.md

nsdb.io/Architecture

Entwickler

BigObject, Inc.

FatCloud

Erscheinungsjahr

2015

2012

2019

2017

Aktuelle Version

2.3.4, Jänner 2024

Lizenz

Commercial or Open Source

kommerziell

kostenlose community edition verfügbar

kommerziell

Open Source

Apache Version 2.0

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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

C++, Go

Java, Scala

Server Betriebssysteme

Linux

distributed as a docker-image
OS X

distributed as a docker-image (boot2docker)
Windows

distributed as a docker-image (boot2docker)

Windows

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

Linux
macOS

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

yes: int, bigint, decimal, string

XML Unterstützung

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

nein

Sekundärindizes

nein

all fields are automatically indexed

SQL

Support of SQL

SQL-like DML and DDL statements

nein

Ãœber Integration mit SQL Server

nein

SQL-like query language

APIs und andere Zugriffskonzepte

fluentd
ODBC
RESTful HTTP API

.NET Client API
LINQ
RESTful HTTP API
RPC
Windows WCF Bindings

RESTful HTTP API

gRPC
HTTP REST
WebSocket

Unterstützte Programmiersprachen

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

Java
Scala

Server-seitige Scripts

Stored Procedures

Lua

Ãœber Applikationen

nein

Triggers

nein

Ãœber Applikationen

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

frei wählbarer Replikationsfaktor

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency
Immediate Consistency

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

automatically between fact table and dimension tables

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Read/write lock on objects (tables, trees)

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

nein

Security Layer kann über Applikationen implementiert werden

Role based access control and fine grained access rights

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Milvus is an open-source and cloud-native vector database built for production-ready...
» mehr

Competitive advantages

Highly available, versatile, and robust with millisecond latency. Supports batch...
» mehr

Typical application scenarios

RAG: retrieval augmented generation Video media : video understanding, video deduplication....
» mehr

Key customers

Milvus is trusted by thousands of enterprises, including PayPal, eBay, IKEA, LINE,...
» mehr

Market metrics

As of January 2024, 25k+ GitHub stars 10M+ downloads and installations 3k+ enterprise...
» mehr

Licensing and pricing models

Milvus was released under the open-source Apache License 2.0 in October 2019. Fully-managed...
» mehr

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

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

What Is Milvus Vector Database?
6. Oktober 2023, The New Stack

Zilliz Unveils Game-Changing Features for Vector Search
22. März 2024, Datanami

AI-Powered Search Engine With Milvus Vector Database on Vultr
31. Januar 2024, SitePoint

Milvus 2.4 Unveils Game-Changing Features for Enhanced Vector Search
20. März 2024, GlobeNewswire

IBM watsonx.data’s integrated vector database: unify, prepare, and deliver your data for AI
9. April 2024, IBM

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk