DBMS > Cachelot.io vs. EsgynDB vs. Lovefield vs. Weaviate

Vergleich der Systemeigenschaften Cachelot.io vs. EsgynDB vs. Lovefield vs. Weaviate

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

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

Embeddable relational database for web apps written in pure JavaScript

An AI-native realtime vector database engine that integrates scalable machine learning models.

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Vektor DBMS

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

Punkte	0,00
Rang	#396	Overall
	#64	Key-Value Stores

Punkte	0,23
Rang	#319	Overall
	#141	Relational DBMS

Punkte	0,32
Rang	#290	Overall
	#132	Relational DBMS

Punkte	1,89
Rang	#138	Overall
	#4	Vektor DBMS

Website

cachelot.io

www.esgyn.cn

google.github.io/lovefield

github.com/weaviate/weaviate
weaviate.io

Technische Dokumentation

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

weaviate.io/developers/weaviate

Entwickler

Esgyn

Google

Weaviate B.V.

Erscheinungsjahr

2015

2014

2019

Aktuelle Version

2.1.12, February 2017

1.19, Mai 2023

Lizenz

Commercial or Open Source

Open Source

Simplified BSD License

kommerziell

Open Source

Apache 2.0

Open Source

commercial license available with Weaviate Enterprise

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++

C++, Java

JavaScript

Server Betriebssysteme

FreeBSD
Linux
OS X

Linux

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

tested with Chrome, Firefox, IE, Safari

Datenschema

schemafrei

yes, maps to GraphQL interface

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

string, int, float, geo point, date, cross reference, fuzzy references

XML Unterstützung

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

nein

Sekundärindizes

nein

all data objects are indexed in a semantic vector space (the Contextionary), all primitive fields are indexed

SQL

Support of SQL

nein

SQL-like query language

via JavaScript builder pattern

GraphQL is used as query language

APIs und andere Zugriffskonzepte

Memcached Protokoll

ADO.NET
JDBC
ODBC

GraphQL query language
RESTful HTTP/JSON API

Unterstützte Programmiersprachen

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

All languages supporting JDBC/ODBC/ADO.Net

JavaScript

JavaScript / TypeScript
Python

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

nein

Triggers

nein

Using read-only observers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-source replication between multi datacenters

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

Eventual Consistency

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

nein

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

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

API Keys
OpenID Connect Discovery

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Weaviate is an open source vector database that is robust, scalable, cloud-native,...
» mehr

Competitive advantages

Flexible deployment - Free, open source or fully-managed cloud vector database service...
» mehr

Typical application scenarios

As a database supporting the development of generative AI and semantic search applications...
» mehr

Key customers

All companies that have data.
» mehr

Market metrics

As of mid 2023: Over 2 million open source downloads 3500+ Weaviate Slack community...
» mehr

Licensing and pricing models

Weaviate is open-source, and free to use. Weaviate is also available as a fully managed...
» mehr

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

Weaviate, an ANN Database with CRUD support
2. Februar 2021, Etienne Dilocker, SeMI Technologies (sponsor)

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Weaviate Partners with Snowflake to Bring Secure GenAI to Snowpark Container Services
8. Februar 2024, Datanami

Foley Represents Cortical Ventures in $50M Series B Round for Weaviate
17. Dezember 2023, Foley & Lardner LLP

Getting Started with Weaviate: A Beginner's Guide to Search with Vector Databases
18. Juli 2023, Towards Data Science

The 5 Best Vector Databases You Must Try in 2024
17. November 2023, KDnuggets

Weaviate Raises $50 Million Series B Funding to Meet Soaring Demand for AI Native Vector Database Technology ...
21. April 2023, PR Newswire

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk