DBMS > Blueflood vs. Kinetica vs. Microsoft Azure Cosmos DB

Vergleich der Systemeigenschaften Blueflood vs. Kinetica vs. Microsoft Azure Cosmos DB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Skalierbare Timeseries DBMS basierend auf Cassandra

Fully vectorized database across both GPUs and CPUs

Globally distributed, horizontally scalable, multi-model database service

Primäres Datenbankmodell

Time Series DBMS

Relational DBMS

Document Store
Graph DBMS
Key-Value Store
Wide Column Store

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

Spatial DBMS

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

Punkte	0,09
Rang	#353	Overall
	#33	Time Series DBMS

Punkte	0,69
Rang	#234	Overall
	#107	Relational DBMS

Punkte	29,85
Rang	#27	Overall
	#4	Document Stores
	#2	Graph DBMS
	#3	Key-Value Stores
	#3	Wide Column Stores

Website

blueflood.io

www.kinetica.com

azure.microsoft.com/services/cosmos-db

Technische Dokumentation

github.com/rax-maas/blueflood/wiki

docs.kinetica.com

learn.microsoft.com/azure/cosmos-db

Entwickler

Rackspace

Kinetica

Microsoft

Erscheinungsjahr

2013

2012

2014

Aktuelle Version

7.1, August 2021

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

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, C++

Server Betriebssysteme

Linux
OS X

Linux

gehostet

Datenschema

vordefiniertes Schema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

JSON 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 properties auto-indexed by default

SQL

Support of SQL

nein

SQL-like DML and DDL statements

SQL-like query language

APIs und andere Zugriffskonzepte

HTTP REST

JDBC
ODBC
RESTful HTTP API

DocumentDB API
Graph API (Gremlin)
MongoDB API
RESTful HTTP API
Table API

Unterstützte Programmiersprachen

C++
Java
JavaScript (Node.js)
Python

.Net
C#
Java
JavaScript
JavaScript (Node.js)
MongoDB client drivers written for various programming languages
Python

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

JavaScript

Triggers

nein

triggers when inserted values for one or more columns fall within a specified range

JavaScript

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Sharding

Implizit im Cloud Service

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

Source-Replica Replikation

Implizit im Cloud Service

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

with Hadoop integration

Integration with Hadoop/HDInsight on Azure*

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Immediate Consistency or Eventual Consistency depending on configuration

Bounded Staleness
Consistent Prefix
Eventual Consistency
Immediate Consistency

Consistency level configurable on request level
Session Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Multi-item ACID transactions with snapshot isolation within a partition

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

GPU vRAM or System RAM

Berechtigungskonzept

Zugriffskontrolle

nein

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

Zugriffsrechte bis auf item level einstellbar

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

Drittanbieter

CData: Connect to Big Data & NoSQL through standard Drivers.
» mehr

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

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica Delivers Real-Time Vector Similarity Search
21. März 2024, insideBIGDATA

Kinetica Launches Generative AI Solution for Real-Time Inferencing Powered by NVIDIA AI Enterprise
18. März 2024, GlobeNewswire

Transforming spatiotemporal data analysis with GPUs and generative AI
30. Oktober 2023, InfoWorld

bereitgestellt von Google News

Public preview: Filtered vector search in vCore-based Azure Cosmos DB for MongoDB | Azure updates
24. April 2024, Microsoft

General availability: Microsoft Entra ID integration with Azure Cosmos DB for PostgreSQL | Azure updates
13. März 2024, Microsoft

Azure Synapse Link for Cosmos DB: New Analytics Capabilities
10. November 2023, InfoQ.com

How to Migrate Azure Cosmos DB Databases | by Arwin Lashawn
25. August 2023, DataDrivenInvestor

Azure Cosmos DB joins the AI toolchain
23. Mai 2023, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk