DBMS > Cubrid vs. Google Cloud Bigtable vs. TimesTen vs. Yanza

Vergleich der Systemeigenschaften Cubrid vs. Google Cloud Bigtable vs. TimesTen vs. Yanza

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yanza seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

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

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

In-Memory RDBMS compatible to Oracle

Time Series DBMS for IoT Applications

Primäres Datenbankmodell

Relational DBMS

Key-Value Store
Wide Column Store

Relational DBMS

Time Series DBMS

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

Punkte	1,31
Rang	#169	Overall
	#78	Relational DBMS

Punkte	3,58
Rang	#92	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	1,35
Rang	#165	Overall
	#75	Relational DBMS

Website

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

cloud.google.com/bigtable

www.oracle.com/database/technologies/related/timesten.html

yanza.com

Technische Dokumentation

cubrid.org/manuals

cloud.google.com/bigtable/docs

docs.oracle.com/database/timesten-18.1

Entwickler

CUBRID Corporation, CUBRID Foundation

Google

Oracle, TimesTen Performance Software, HP

originally founded in HP Labs it was acquired by Oracle in 2005

Yanza

Erscheinungsjahr

2008

2015

1998

2015

Aktuelle Version

11.0, Jaenner 2021

11 Release 2 (11.2.2.8.0)

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

kommerziell

free version available

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

but mainly used as a service provided by Yanza

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

C, C++, Java

Server Betriebssysteme

Linux
Windows

gehostet

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

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

ADO.NET
JDBC
ODBC
OLE DB

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

JDBC
ODBC
ODP.NET
Oracle Call Interface (OCI)

HTTP API

Unterstützte Programmiersprachen

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

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

C
C++
Java
PL/SQL

jede Sprache, die HTTP-Aufrufe erlaubt

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

PL/SQL

nein

Triggers

nein

Timer and event based

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

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

Multi-Source Replikation
Source-Replica Replikation

keine

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)

Immediate Consistency or Eventual Consistency depending on configuration

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Atomic single-row operations

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

by means of logfiles and checkpoints

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

fine grained access rights according to SQL-standard

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Erwähnungen in aktuellen Nachrichten

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

Google expands BigQuery with Gemini, brings vector support to cloud databases
29. Februar 2024, VentureBeat

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

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

In-memory databases with Emulex Gen 7
25. Oktober 2023, Broadcom Inc.

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk