DBMS > Cubrid vs. OpenTSDB vs. Oracle Berkeley DB vs. Tkrzw

Vergleich der Systemeigenschaften Cubrid vs. OpenTSDB vs. Oracle Berkeley DB vs. Tkrzw

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

Skalierbares Timeseries DBMS basierend auf HBase

Weit verbreiteter In-Process Key-Value Store

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Key-Value Store

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

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

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

Punkte	2,21
Rang	#117	Overall
	#20	Key-Value Stores
	#3	Native XML DBMS

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

Website

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

opentsdb.net

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

dbmx.net/tkrzw

Technische Dokumentation

cubrid.org/manuals

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

docs.oracle.com/cd/E17076_05/html/index.html

Entwickler

CUBRID Corporation, CUBRID Foundation

derzeit von Yahoo und anderen gewartet

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Mikio Hirabayashi

Erscheinungsjahr

2008

2011

1994

2020

Aktuelle Version

11.0, Jaenner 2021

18.1.40, Mai 2020

0.9.3, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

LGPL

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

Open Source

Apache Version 2.0

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

C, Java, C++ (depending on the Berkeley DB edition)

C++

Server Betriebssysteme

Linux
Windows

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux
macOS

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

numerische Daten für Metriken, Strings für Tags

nein

XML Unterstützung

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

nein

only with the Berkeley DB XML edition

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

SQL Interface basierend auf SQLite verfügbar

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC
OLE DB

HTTP API
Telnet API

Unterstützte Programmiersprachen

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

Erlang
Go
Java
Python
R
Ruby

.Net

Figaro is a .Net framework assembly that extends Berkeley DB XML into an embeddable database engine for .NET
Andere

Es gibt Libraries von Drittanbietern für zahlreiche Sprachen, die Berkeley DB Files bearbeiten können
C
C#
C++
Java
JavaScript (Node.js)

3rd party binding
Perl
Python
Tcl

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

Triggers

nein

only for the SQL API

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

basierend auf HBase

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

frei wählbarer Replikationsfaktor

basierend auf HBase

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

basierend auf HBase

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

fine grained access rights according to 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

DB-Engines Blog Posts

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

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Pinterest Switches from OpenTSDB to Their Own Time Series Database
16. September 2018, InfoQ.com

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

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

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

LogicMonitor Rolls a Time Series Database for Finer-Grain Reporting
1. Juni 2016, The New Stack

bereitgestellt von Google News

Margo Seltzer Named ACM Athena Lecturer for Technical and Mentoring Contributions
26. April 2023, HPCwire

ACM recognizes far-reaching technical achievements with special awards
26. Mai 2021, EurekAlert

Margo I. Seltzer | Berkman Klein Center
18. August 2020, Berkman Klein Center

Database Trends Report: SQL Beats NoSQL, MySQL Most Popular -- ADTmag
5. März 2019, ADT Magazine

How to store financial market data for backtesting
26. Januar 2019, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk