DBMS > DataFS vs. Heroic vs. NSDb vs. Weaviate

Vergleich der Systemeigenschaften DataFS vs. Heroic vs. NSDb vs. Weaviate

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

All data is stored inside objects which are linked by so-called link attributes. Objects consist of classes which can be extended and de-extended at runtime. Graphs can be defined with a struct.

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

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

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

Primäres Datenbankmodell

Object oriented DBMS

Time Series DBMS

Vektor DBMS

Sekundäre Datenbankmodelle

Graph DBMS

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

Punkte	0,02
Rang	#369	Overall
	#18	Object oriented DBMS

Punkte	0,13
Rang	#335	Overall
	#29	Time Series DBMS

Punkte	0,00
Rang	#385	Overall
	#40	Time Series DBMS

Punkte	1,48
Rang	#149	Overall
	#8	Vektor DBMS

Website

newdatabase.com

github.com/spotify/heroic

nsdb.io

github.com/weaviate/weaviate
weaviate.io

Technische Dokumentation

dev.mobiland.com/Overview.xsp

spotify.github.io/heroic

nsdb.io/Architecture

weaviate.io/developers/weaviate

Entwickler

Mobiland AG

Spotify

Weaviate B.V.

Erscheinungsjahr

2018

2014

2017

2019

Aktuelle Version

1.1.263, October 2022

1.19, Mai 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

Apache Version 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

Java

Java, Scala

Server Betriebssysteme

Windows

Linux
macOS

Datenschema

Classes, Structs, and Lists are written in proprietary DataTypeDefinitionLanguage (.dtdl) and Objects consisting of those are written in proprietary DataAccessDefinitionLanguage (.dadl)

schemafrei

yes, maps to GraphQL interface

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

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

via Elasticsearch

all fields are automatically indexed

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

GraphQL is used as query language

APIs und andere Zugriffskonzepte

.NET Client API
Proprietary client DLL
WinRT client

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

gRPC
HTTP REST
WebSocket

GraphQL query language
RESTful HTTP/JSON API

Unterstützte Programmiersprachen

.Net
C
C#
C++
VB.Net

Java
Scala

JavaScript / TypeScript
Python

Server-seitige Scripts

Stored Procedures

nein

Triggers

no, except callback-events from server when changes happened

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Proprietary Sharding system

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Windows-Profile

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

Vector database startup Weaviate debuts ‘AI workbench’ and flexible storage tiers
30. Juli 2024, SiliconANGLE News

Weaviate Achieves Amazon Web Services GenAI Competency Status
8. Juli 2024, GlobeNewswire

Weaviate Enhances Cloud Console with New Collections and Explorer Tools for AI Developers
31. Juli 2024, Datanami

StructuredRAG Released by Weaviate: A Comprehensive Benchmark to Evaluate Large Language Models’ Ability to Generate Reliable JSON Outputs for Complex AI Systems
26. August 2024, MarkTechPost

Build enterprise-ready generative AI solutions with Cohere foundation models in Amazon Bedrock and Weaviate vector database on AWS Marketplace
24. Januar 2024, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk