DBMS > Cachelot.io vs. Databend vs. H2 vs. Splice Machine

Vergleich der Systemeigenschaften Cachelot.io vs. Databend vs. H2 vs. Splice Machine

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

In-memory caching system

An open-source, elastic, and workload-aware cloud data warehouse designed to meet businesses' massive-scale analytics needs at low cost and with low complexity

Full-featured RDBMS with a small footprint, either embedded into a Java application or used as a database server.

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

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	0,00
Rang	#383	Overall
	#60	Key-Value Stores

Punkte	0,30
Rang	#287	Overall
	#130	Relational DBMS

Punkte	8,13
Rang	#49	Overall
	#31	Relational DBMS

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

Website

cachelot.io

github.com/datafuselabs/databend
www.databend.com

www.h2database.com

splicemachine.com

Technische Dokumentation

docs.databend.com

www.h2database.com/html/main.html

splicemachine.com/how-it-works

Entwickler

Databend Labs

Thomas Mueller

Splice Machine

Erscheinungsjahr

2015

2021

2005

2014

Aktuelle Version

1.0.59, April 2023

2.2.220, Juli 2023

3.1, March 2021

Lizenz

Commercial or Open Source

Open Source

Simplified BSD License

Open Source

Apache Version 2.0

Open Source

dual-licence (Mozilla public license, Eclipse public license)

Open Source

AGPL 3.0, commercial license available

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

C++

Rust

Java

Server Betriebssysteme

FreeBSD
Linux
OS X

gehostet
Linux
macOS

Alle Betriebssysteme mit einer Java VM

Linux
OS X
Solaris
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

APIs und andere Zugriffskonzepte

Memcached Protokoll

CLI Client
JDBC
RESTful HTTP API

JDBC
ODBC

JDBC
Native Spark Datasource
ODBC

Unterstützte Programmiersprachen

.Net
C
C++
ColdFusion
Erlang
Java
Lisp
Lua
OCaml
OCaml
Perl
PHP
Python
Ruby

Go
Java
JavaScript (Node.js)
Python
Rust

Java

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

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures and User-Defined Functions

Java

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Shared Nothhing Auto-Sharding, Columnar Partitioning

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

With clustering: 2 database servers on different computers operate on identical copies of a database

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

nein

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Users with fine-grained authorization concept, user roles

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

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

Â£1.1 Million in AddisonMckee Tube Bending Technologies Provides Dinex with Outstanding OEM Credentials
24. Mai 2007, news.thomasnet.com

bereitgestellt von Google News

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

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

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

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

Splice Machine splices into AWS
8. Februar 2017, SDTimes.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk