DBMS > Cachelot.io vs. GeoMesa vs. Heroic vs. Microsoft Azure Synapse Analytics vs. OpenTSDB

Vergleich der Systemeigenschaften Cachelot.io vs. GeoMesa vs. Heroic vs. Microsoft Azure Synapse Analytics vs. OpenTSDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

In-memory caching system

GeoMesa ist ein verteiltes spatio-temporal DBMS basierend auf verschiedenen Systemen als Storage Layer.

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

Elastic, large scale data warehouse service leveraging the broad eco-system of SQL Server

Skalierbares Timeseries DBMS basierend auf HBase

Primäres Datenbankmodell

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

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

Punkte	0,78
Rang	#213	Overall
	#4	Spatial DBMS

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

Punkte	20,56
Rang	#31	Overall
	#19	Relational DBMS

Punkte	1,68
Rang	#146	Overall
	#12	Time Series DBMS

Website

cachelot.io

www.geomesa.org

github.com/spotify/heroic

azure.microsoft.com/services/synapse-analytics

opentsdb.net

Technische Dokumentation

www.geomesa.org/documentation/stable/user/index.html

spotify.github.io/heroic

docs.microsoft.com/azure/synapse-analytics

opentsdb.net/docs/build/html/index.html

Entwickler

CCRi und Andere

Spotify

Microsoft

derzeit von Yahoo und anderen gewartet

Erscheinungsjahr

2015

2014

2016

2011

Aktuelle Version

4.0.5, Februar 2024

Lizenz

Commercial or Open Source

Open Source

Simplified BSD License

Open Source

Apache License 2.0

Open Source

Apache 2.0

kommerziell

Open Source

LGPL

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++

Scala

Java

C++

Java

Server Betriebssysteme

FreeBSD
Linux
OS X

gehostet

Linux
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

numerische Daten für Metriken, Strings für Tags

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

APIs und andere Zugriffskonzepte

Memcached Protokoll

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

ADO.NET
JDBC
ODBC

HTTP API
Telnet API

Unterstützte Programmiersprachen

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

C#
Java
PHP

Erlang
Go
Java
Python
R
Ruby

Server-seitige Scripts

Stored Procedures

nein

Transact SQL

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

abhängig von Storage layer

Sharding

Sharding, horizontal partitioning

Sharding

basierend auf HBase

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

abhängig von Storage layer

frei wählbarer Replikationsfaktor

basierend auf HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

abhängig von Storage layer

Eventual Consistency
Immediate Consistency

Immediate Consistency

basierend auf HBase

Fremdschlüssel

referenzielle Integrität

nein

docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-table-constraints

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

In-Memory Unterstützung

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

nein

abhängig von Storage layer

nein

Berechtigungskonzept

Zugriffskontrolle

nein

anhängig von dem zur Speicherung verwendeten DBMS

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Time Series DBMS are the database category with the fastest increase in popularity
4. Juli 2016, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

bereitgestellt von Google News

Migrate Microsoft Azure Synapse Analytics to Amazon Redshift using AWS SCT | Amazon Web Services
18. Oktober 2023, AWS Blog

Azure Synapse vs. Databricks: Data Platform Comparison 2024
26. März 2024, eWeek

Azure Synapse Runtime for Apache Spark 3.2 End of Support | Azure updates
22. März 2024, azure.microsoft.com

Azure Synapse Analytics: Everything you need to know about Microsoft's cloud analytics platform
24. September 2023, DataScientest

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

bereitgestellt von Google News

Comparing Different Time-Series Databases
10. Februar 2022, hackernoon.com

Brain Monitoring with Kafka, OpenTSDB, and Grafana
5. August 2016, KDnuggets

MapR to help admins peer into dense Hadoop clusters
28. Juni 2016, SiliconANGLE News

Comparing InfluxDB, TimescaleDB, and QuestDB Timeseries Databases
30. Juni 2021, Towards Data Science

MakeMyTrip travels forward in time using the power of open source
16. Mai 2017, Open Source For You

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk