DBMS > BoltDB vs. Heroic vs. LMDB vs. mSQL vs. Pinecone

Vergleich der Systemeigenschaften BoltDB vs. Heroic vs. LMDB vs. mSQL vs. Pinecone

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

An embedded key-value store for Go.

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

A high performant, light-weight, embedded key-value database library

mSQL (Mini SQL) is a simple and lightweight RDBMS

A managed, cloud-native vector database

Primäres Datenbankmodell

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

Punkte	0,74
Rang	#220	Overall
	#31	Key-Value Stores

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Punkte	1,99
Rang	#125	Overall
	#21	Key-Value Stores

Punkte	1,27
Rang	#167	Overall
	#77	Relational DBMS

Punkte	3,16
Rang	#95	Overall
	#2	Vektor DBMS

Website

github.com/boltdb/bolt

github.com/spotify/heroic

www.symas.com/symas-embedded-database-lmdb

hughestech.com.au/products/msql

www.pinecone.io

Technische Dokumentation

spotify.github.io/heroic

www.lmdb.tech/doc

docs.pinecone.io/docs/overview

Entwickler

Spotify

Symas

Hughes Technologies

Pinecone Systems, Inc

Erscheinungsjahr

2013

2014

2011

1994

2019

Aktuelle Version

0.9.32, Jaenner 2024

4.4, Oktober 2021

Lizenz

Commercial or Open Source

Open Source

MIT License

Open Source

Apache 2.0

Open Source

kommerziell

free licenses can be provided

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

Server Betriebssysteme

BSD
Linux
OS X
Solaris
Windows

Linux
Unix
Windows

AIX
HP-UX
Linux
OS X
Solaris SPARC/x86
Windows

gehostet

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

String, Number, Boolean

XML Unterstützung

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

nein

Sekundärindizes

nein

via Elasticsearch

nein

SQL

Support of SQL

nein

A subset of ANSI SQL is implemented

no subqueries, aggregate functions, views, foreign keys, triggers

nein

APIs und andere Zugriffskonzepte

HQL (Heroic Query Language, a JSON-based language)
HTTP API

JDBC
ODBC

RESTful HTTP API

Unterstützte Programmiersprachen

.Net
C
C++
Clojure
Go
Haskell
Java
JavaScript (Node.js)
Lisp
Lua
MatLab
Nim
Objective C
OCaml
Perl
PHP
Python
R
Ruby
Rust
Swift
Tcl

C
C++
Delphi
Java
Perl
PHP
Tcl

Python

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Eventual Consistency
Immediate Consistency

Immediate Consistency

keine

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

nein

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

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

DB-Engines Blog Posts

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

What I learnt from building 3 high traffic web applications on an embedded key value store.
21. Februar 2018, hackernoon.com

4 Instructive Postmortems on Data Downtime and Loss
1. März 2024, The Hacker News

Three Reasons DevOps Should Consider Rocky Linux 9.4
15. Mai 2024, DevOps.com

Roblox’s cloud-native catastrophe: A post mortem
31. Januar 2022, InfoWorld

How to Put a GUI on Ansible, Using Semaphore
22. April 2023, The New Stack

bereitgestellt von Google News

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

bereitgestellt von Google News

The Tom Brady Data Biography
8. September 2023, StatsBomb

Automating SAP S/4HANA Migration with IT-Conductor, BGP Managed Services, and AWS | Amazon Web Services
22. August 2023, AWS Blog

The Lightning Memory-mapped Database
2. März 2016, InfoQ.com

Akamai launches managed database service – Blocks and Files
25. April 2022, Blocks & Files

Connecting the worlds of metabolomics databases
15. Juni 2021, Medical Xpress

bereitgestellt von Google News

Writing a Web Service in Perl
9. Juli 2003, PCQuest

Higher Education PS rules out ghost students before PAC
29. November 2018, diggers.news

bereitgestellt von Google News

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

Pinecone Unveils Serverless Vector Database for Enhanced AI Applications
16. Januar 2024, Datanami

Reimagining Vector Databases for the Generative AI Era with Pinecone Serverless on AWS | Amazon Web Services
21. März 2024, AWS Blog

Pinecone Brings Serverless To Vector Databases
16. Januar 2024, Forbes

Seven Vector Database Startups Poised to Win in the AI Revolution
19. April 2024, Business Insider

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk