DBMS > Dgraph vs. EsgynDB vs. Google Cloud Bigtable vs. Tarantool

Vergleich der Systemeigenschaften Dgraph vs. EsgynDB vs. Google Cloud Bigtable vs. Tarantool

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Verteiltes, skalierbares Graph DBMS

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.

In-memory computing platform with a flexible data schema for efficiently building high-performance applications

Primäres Datenbankmodell

Graph DBMS

Relational DBMS

Key-Value Store
Wide Column Store

Document Store
Key-Value Store
Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

with Tarantool/GIS extension

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

Punkte	1,48
Rang	#158	Overall
	#15	Graph DBMS

Punkte	0,23
Rang	#319	Overall
	#141	Relational DBMS

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

Punkte	1,67
Rang	#150	Overall
	#25	Document Stores
	#25	Key-Value Stores
	#69	Relational DBMS

Website

dgraph.io

www.esgyn.cn

cloud.google.com/bigtable

www.tarantool.io

Technische Dokumentation

dgraph.io/docs

cloud.google.com/bigtable/docs

www.tarantool.io/en/doc

Entwickler

Dgraph Labs, Inc.

Esgyn

Google

Erscheinungsjahr

2016

2015

2008

Aktuelle Version

2.10.0, Mai 2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

BSD-2, source-available extensions (modules), commercial licenses for Tarantool 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

C++, Java

C und C++

Server Betriebssysteme

Linux
OS X
Windows

Linux

gehostet

BSD
Linux
macOS

Datenschema

schemafrei

Flexible data schema: relational definition for tables with ability to store json-like documents in columns

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

string, double, decimal, uuid, integer, blob, boolean, datetime

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

Full-featured ANSI SQL support

APIs und andere Zugriffskonzepte

GraphQL query language
gRPC (using protocol buffers) API
HTTP API

ADO.NET
JDBC
ODBC

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

Open binary protocol

Unterstützte Programmiersprachen

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

All languages supporting JDBC/ODBC/ADO.Net

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

C
C#
C++
Erlang
Go
Java
JavaScript
Lua
Perl
PHP
Python
Rust

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

nein

Lua, C and SQL stored procedures

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Sharding, partitioned with virtual buckets by user defined affinity key. Live resharding for scale up and scale down without maintenance downtime.

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Synchronous replication via Raft

Multi-source replication between multi datacenters

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

Asynchronous replication with multi-master option
Configurable replication topology (full-mesh, chain, star)
Synchronous quorum replication (with Raft)

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)

Casual consistency across sharding partitions
Eventual consistency within replicaset partition

when using asyncronous replication
Immediate Consistency within single instance
Sequential consistency including linearizable read within replicaset partition

when using Raft

Fremdschlüssel

referenzielle Integrität

nein

yes

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Atomic single-row operations

ACID, with serializable isolation and linearizable read (within partition); Configurable MVCC (within partition); No cross-shard distributed transactions

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, write ahead logging

In-Memory Unterstützung

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

nein

yes, full featured in-memory storage engine with persistence

Berechtigungskonzept

Zugriffskontrolle

nein

Planned for future releases

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Access Control Lists
Mutual TLS authentication for Tarantol Enterprise
Password based authentication
Role-based access control (RBAC) and LDAP for Tarantol Enterprise
Users and Roles

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

Data processing speed and reliability: in-memory synchronous replication
9. November 2021, Vladimir Perepelytsya, Tarantool (sponsor)

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Dgraph on AWS: Setting up a horizontally scalable graph database | Amazon Web Services
1. September 2020, AWS Blog

Dgraph Raises $6M in Seed Funding
20. Juli 2022, FinSMEs

Dgraph launches Slash GraphQL, a GraphQL-native database Backend-as-a-Service
10. September 2020, TechCrunch

Dgraph Rises to the Top Graph Database on GitHub With 11 G2 Badges and 11M Downloads
26. Mai 2021, Business Wire

bereitgestellt von Google News

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

TaranHouse: New Big Data Warehouse Announced by Tarantool
4. April 2018, Newswire

In-Memory Showdown: Redis vs. Tarantool
1. September 2021, Хабр

Tarantool Announces New Enterprise Version With Enhanced Scaling and Monitoring Capabilities
18. Mai 2018, Newswire

Deploying Tarantool Cartridge applications with zero effort (Part 1)
16. Dezember 2019, Хабр

Deploying Tarantool Cartridge applications with zero effort (Part 2)
13. April 2020, Хабр

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk