DBMS > Derby vs. Kinetica vs. Lovefield vs. Transwarp Hippo

Vergleich der Systemeigenschaften Derby vs. Kinetica vs. Lovefield vs. Transwarp Hippo

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Full-featured RDBMS with a small footprint, either embedded into a Java application or used as a database server.

Fully vectorized database across both GPUs and CPUs

Embeddable relational database for web apps written in pure JavaScript

Cloud-native distributed Vector DBMS that supports storage, retrieval, and management of massive vector-based datasets

Primäres Datenbankmodell

Relational DBMS

Vektor DBMS

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

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

Punkte	4,71
Rang	#69	Overall
	#37	Relational DBMS

Punkte	0,64
Rang	#236	Overall
	#109	Relational DBMS

Punkte	0,29
Rang	#293	Overall
	#133	Relational DBMS

Punkte	0,00
Rang	#383	Overall
	#13	Vektor DBMS

Website

db.apache.org/derby

www.kinetica.com

google.github.io/lovefield

www.transwarp.cn/en/subproduct/hippo

Technische Dokumentation

db.apache.org/derby/manuals/index.html

docs.kinetica.com

github.com/google/lovefield/blob/master/docs/spec_index.md

Entwickler

Apache Software Foundation

Kinetica

Google

Erscheinungsjahr

1997

2012

2014

2023

Aktuelle Version

10.17.1.0, November 2023

7.1, August 2021

2.1.12, February 2017

1.0, Mai 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

kommerziell

Open Source

Apache 2.0

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

Java

C, C++

JavaScript

C++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux

server-less, requires a JavaScript environment (browser, Node.js)

tested with Chrome, Firefox, IE, Safari

Linux
macOS

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

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

SQL-like DML and DDL statements

SQL-like query language

via JavaScript builder pattern

nein

APIs und andere Zugriffskonzepte

JDBC

JDBC
ODBC
RESTful HTTP API

RESTful HTTP API

Unterstützte Programmiersprachen

Java

C++
Java
JavaScript (Node.js)
Python

JavaScript

C++
Java
Python

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

benutzerdefinierte Funktionen

nein

Triggers

triggers when inserted values for one or more columns fall within a specified range

Using read-only observers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

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 or Eventual Consistency depending on configuration

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, by using IndexedDB or the cloud service Firebase Realtime Database

In-Memory Unterstützung

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

GPU vRAM or System RAM

using MemoryDB

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

nein

Role based access control and fine grained access rights

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

JDBC tutorial: Easy installation and setup with Apache Derby
20. Dezember 2019, TheServerSide.com

Installing Apache Hive 3.1.2 on Windows 10 | by Hadi Fadlallah
3. Mai 2020, Towards Data Science

The Apache® Software Foundation Announces 18 Years of Open Source Leadership
28. März 2017, GlobeNewswire

Get your feet wet with Sun's tiny Java DB
31. Januar 2008, ZDNet

JDBC in Java: 5 facts to know before you begin
30. Mai 2019, TheServerSide.com

bereitgestellt von Google News

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica Launches Generative AI Solution for Real-Time Inferencing Powered by NVIDIA AI Enterprise
18. März 2024, GlobeNewswire

Kinetica Delivers Real-Time Vector Similarity Search
20. März 2024, Datanami

Kinetica Delivers Real-Time Vector Similarity Search
22. März 2024, Geospatial World

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk