DBMS > Blueflood vs. IRONdb vs. Splice Machine vs. STSdb

Vergleich der Systemeigenschaften Blueflood vs. IRONdb vs. Splice Machine vs. STSdb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

IRONdb seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Skalierbare Timeseries DBMS basierend auf Cassandra

A distributed Time Series DBMS with a focus on scalability, fault tolerance and operational simplicity

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

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

Key-Value Store

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

Punkte	0,13
Rang	#346	Overall
	#33	Time Series DBMS

Punkte	0,54
Rang	#252	Overall
	#115	Relational DBMS

Punkte	0,10
Rang	#357	Overall
	#51	Key-Value Stores

Website

blueflood.io

www.circonus.com/solutions/time-series-database/

splicemachine.com

github.com/STSSoft/STSdb4

Technische Dokumentation

github.com/rax-maas/blueflood/wiki

docs.circonus.com/irondb/category/getting-started

splicemachine.com/how-it-works

Entwickler

Rackspace

Circonus LLC.

Splice Machine

STS Soft SC

Erscheinungsjahr

2013

2017

2014

2011

Aktuelle Version

V0.10.20, January 2018

3.1, March 2021

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

AGPL 3.0, commercial license available

Open Source

GPLv2, 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

Java

C und C++

Java

Server Betriebssysteme

Linux
OS X

Linux

Linux
OS X
Solaris
Windows

Windows

Datenschema

vordefiniertes Schema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

text, numeric, histograms

Primitive Typen und benutzerdefinierte Klassen

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 (Circonus Analytics Query Language: CAQL)

nein

APIs und andere Zugriffskonzepte

HTTP REST

HTTP API

JDBC
Native Spark Datasource
ODBC

.NET Client API

Unterstützte Programmiersprachen

.Net
C
C++
Clojure
Erlang
Go
Haskell
Java
JavaScript
JavaScript (Node.js)
Lisp
Lua
Perl
PHP
Python
R
Ruby
Rust
Scala

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

C#
Java

Server-seitige Scripts

Stored Procedures

nein

yes, in Lua

Java

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Automatic, metric affinity per node

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

configurable replication factor, datacenter aware

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

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Immediate consistency per node, eventual consistency across nodes

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Access rights for users, groups and roles according to SQL-standard

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

Real-Time Performance and Health Monitoring Using Netdata
2. September 2019, CNX Software

bereitgestellt von Google News

Application observability firm Apica buys telemetry data startup Circonus and adds more funding
21. Februar 2024, SiliconANGLE News

Apica Acquires Telemetry Data Management Pioneer Circonus And Lands New Funding
22. Februar 2024, Datanami

Apica gets $6 million in funding and buys Circonus -
21. Februar 2024, Enterprise Times

bereitgestellt von Google News

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

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

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

Hadoop-based RDBMS Now Available from Splice
12. Mai 2014, Datanami

Unified MLOps: Feature Stores and Model Deployment
13. Mai 2022, InfoQ.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk