DBMS > Blueflood vs. HEAVY.AI vs. Lovefield vs. Microsoft Azure Data Explorer vs. Newts

Vergleich der Systemeigenschaften Blueflood vs. HEAVY.AI vs. Lovefield vs. Microsoft Azure Data Explorer vs. Newts

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Skalierbare Timeseries DBMS basierend auf Cassandra

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

Embeddable relational database for web apps written in pure JavaScript

Fully managed big data interactive analytics platform

Time Series DBMS basierend auf Cassandra

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

column oriented

Time Series DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store

If a column is of type dynamic docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types/dynamic then it's possible to add arbitrary JSON documents in this cell
Event Store

this is the general usage pattern at Microsoft. Billing, Logs, Telemetry events are stored in ADX and the state of an individual entity is defined by the arg_max(timestamps)
Spatial DBMS
Suchmaschine

support for complex search expressions docs.microsoft.com/en-us/azure/kusto/query/parseoperator FTS, Geospatial docs.microsoft.com/en-us/azure/kusto/query/geo-point-to-geohash-function distributed search -> ADX acts as a distributed search engine
Time Series DBMS

see docs.microsoft.com/en-us/azure/data-explorer/time-series-analysis

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

Punkte	0,06
Rang	#353	Overall
	#34	Time Series DBMS

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

Punkte	0,29
Rang	#293	Overall
	#133	Relational DBMS

Punkte	4,38
Rang	#77	Overall
	#41	Relational DBMS

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

Website

blueflood.io

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

google.github.io/lovefield

azure.microsoft.com/services/data-explorer

opennms.github.io/newts

Technische Dokumentation

github.com/rax-maas/blueflood/wiki

docs.heavy.ai

github.com/google/lovefield/blob/master/docs/spec_index.md

docs.microsoft.com/en-us/azure/data-explorer

github.com/OpenNMS/newts/wiki

Entwickler

Rackspace

HEAVY.AI, Inc.

Google

Microsoft

OpenNMS Group

Erscheinungsjahr

2013

2016

2014

2019

2014

Aktuelle Version

5.10, Jänner 2022

2.1.12, February 2017

cloud service with continuous releases

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache Version 2; enterprise edition available

Open Source

Apache 2.0

kommerziell

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

C++ and CUDA

JavaScript

Java

Server Betriebssysteme

Linux
OS X

Linux

server-less, requires a JavaScript environment (browser, Node.js)

tested with Chrome, Firefox, IE, Safari

gehostet

Linux
OS X
Windows

Datenschema

vordefiniertes Schema

Fixed schema with schema-less datatypes (dynamic)

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

bool, datetime, dynamic, guid, int, long, real, string, timespan, double: docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types

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

nein

SQL

Support of SQL

nein

SQL-like query language

via JavaScript builder pattern

Kusto Query Language (KQL), SQL subset

nein

APIs und andere Zugriffskonzepte

HTTP REST

JDBC
ODBC
Thrift
Vega

Microsoft SQL Server communication protocol (MS-TDS)
RESTful HTTP API

HTTP REST
Java API

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
Python

JavaScript

.Net
Go
Java
JavaScript (Node.js)
PowerShell
Python
R

Java

Server-seitige Scripts

Stored Procedures

nein

Yes, possible languages: KQL, Python, R

nein

Triggers

nein

Using read-only observers

see docs.microsoft.com/en-us/azure/kusto/management/updatepolicy

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Sharding

Round robin

keine

Sharding

Implicit feature of the cloud service

Sharding

basierend auf Cassandra

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

Multi-Source Replikation

keine

Implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

frei wählbarer Replikationsfaktor

basierend auf Cassandra

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Spark connector (open source): github.com/Azure/azure-kusto-spark

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Immediate Consistency

Eventual Consistency
Immediate Consistency

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, by using IndexedDB or the cloud service Firebase Realtime Database

In-Memory Unterstützung

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

nein

using MemoryDB

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Azure Active Directory Authentication

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

Erwähnungen in aktuellen Nachrichten

HEAVY.AI Introduces HeavyIQ, Delivering Powerful Conversational Analytics Focused on Location and Time Data
19. März 2024, Datanami

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, Business Wire

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

Azure Data Explorer: Log and telemetry analytics benchmark
16. August 2022, Microsoft

Introducing Microsoft Fabric: The data platform for the era of AI | Microsoft Azure Blog
23. Mai 2023, Microsoft

Providing modern data transfer and storage service at Microsoft with Microsoft Azure - Inside Track Blog
13. Juli 2023, Microsoft

Azure Data Explorer and Stream Analytics for anomaly detection
16. Januar 2020, Microsoft

Controlling costs in Azure Data Explorer using down-sampling and aggregation
11. Februar 2019, Microsoft

bereitgestellt von Google News

Farewell, Froggy: The Age of Ribbit Is Nearing an End
25. Mai 2013, Mother Jones

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk