DBMS > Cubrid vs. Datomic vs. EsgynDB vs. Google Cloud Bigtable

Vergleich der Systemeigenschaften Cubrid vs. Datomic vs. EsgynDB vs. Google Cloud Bigtable

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

CUBRID is an open-source SQL-based relational database management system with object extensions for OLTP

DBMS mit Fokus auf der Abspeicherung von historischen Daten und 'point-in-time queries'. Es verwendet Fremdsysteme zur Speicherung der Daten

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

Google's NoSQL Big Data database service. It's the same database that powers many core Google services, including Search, Analytics, Maps, and Gmail.

Primäres Datenbankmodell

Relational DBMS

Key-Value Store
Wide Column Store

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

Punkte	1,20
Rang	#169	Overall
	#78	Relational DBMS

Punkte	1,59
Rang	#150	Overall
	#69	Relational DBMS

Punkte	0,16
Rang	#329	Overall
	#146	Relational DBMS

Punkte	3,26
Rang	#92	Overall
	#13	Key-Value Stores
	#8	Wide Column Stores

Website

cubrid.com (korean)
cubrid.org (english)

www.datomic.com

www.esgyn.cn

cloud.google.com/bigtable

Technische Dokumentation

cubrid.org/manuals

docs.datomic.com

cloud.google.com/bigtable/docs

Entwickler

CUBRID Corporation, CUBRID Foundation

Cognitect

Esgyn

Google

Erscheinungsjahr

2008

2012

2015

Aktuelle Version

11.0, Jaenner 2021

1.0.6735, Juni 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

Limitierte Edition gratis

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

C, C++, Java

Java, Clojure

C++, Java

Server Betriebssysteme

Linux
Windows

Alle Betriebssysteme mit einer Java VM

Linux

gehostet

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

ADO.NET
JDBC
ODBC
OLE DB

RESTful HTTP API

ADO.NET
JDBC
ODBC

gRPC (using protocol buffers) API
HappyBase (Python library)
HBase compatible API (Java)

Unterstützte Programmiersprachen

C
C#
C++
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
Ruby

Clojure
Java

All languages supporting JDBC/ODBC/ADO.Net

C#
C++
Go
Java
JavaScript (Node.js)
Python

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

Transaction Functions

Java Stored Procedures

nein

Triggers

By using transaction functions

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

But extensive use of caching in the application peers

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

But extensive use of caching in the application peers

Multi-source replication between multi datacenters

Internal replication in Colossus, and regional replication between two clusters in different zones

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Immediate consistency (for a single cluster), Eventual consistency (for two or more replicated clusters)

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Atomic single-row operations

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

using external storage systems (e.g. Cassandra, DynamoDB, PostgreSQL, Couchbase and others)

In-Memory Unterstützung

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

nein

recommended only for testing and development

nein

Berechtigungskonzept

Zugriffskontrolle

fine grained access rights according to SQL-standard

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Access rights for users, groups and roles based on Google Cloud Identity and Access Management (IAM)

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

Nubank buys firm behind Clojure programming language
28. Juli 2020, Finextra

Zoona Case Study
16. Dezember 2017, AWS Blog

Architecting Software for Leverage
13. November 2021, InfoQ.com

TerminusDB Takes on Data Collaboration with a git-Like Approach
1. Dezember 2020, The New Stack

Brazil’s Nubank acquires US software firm Cognitect, creator of Clojure and Datomic
24. Juli 2020, LatamList

bereitgestellt von Google News

Google's AI-First Strategy Brings Vector Support To Cloud Databases
1. März 2024, Forbes

What is Google Bigtable? | Definition from TechTarget
1. März 2022, TechTarget

Google announces Axion, its first Arm-based CPU for data centers
9. April 2024, Yahoo Movies Canada

Google Introduces Autoscaling for Cloud Bigtable for Optimizing Costs
31. Januar 2022, InfoQ.com

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk