DBMS > Dragonfly vs. LeanXcale vs. OpenQM vs. Pinecone

Vergleich der Systemeigenschaften Dragonfly vs. LeanXcale vs. OpenQM vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A drop-in Redis replacement that scales vertically to support millions of operations per second and terabyte sized workloads, all on a single instance

A highly scalable full ACID SQL database with fast NoSQL data ingestion and GIS capabilities

QpenQM is a high-performance, self-tuning, multi-value DBMS

A managed, cloud-native vector database

Primäres Datenbankmodell

Key-Value Store

Key-Value Store
Relational DBMS

Multivalue DBMS

Vektor DBMS

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

Punkte	0,49
Rang	#261	Overall
	#38	Key-Value Stores

Punkte	0,36
Rang	#280	Overall
	#40	Key-Value Stores
	#129	Relational DBMS

Punkte	0,34
Rang	#284	Overall
	#10	Multivalue DBMS

Punkte	3,23
Rang	#92	Overall
	#3	Vektor DBMS

Website

github.com/dragonflydb/dragonfly
www.dragonflydb.io

www.leanxcale.com

www.rocketsoftware.com/products/rocket-multivalue-application-development-platform/rocket-open-qm

www.pinecone.io

Technische Dokumentation

www.dragonflydb.io/docs

docs.pinecone.io/docs/overview

Entwickler

DragonflyDB team and community contributors

LeanXcale

Rocket Software, originally Martin Phillips

Pinecone Systems, Inc

Erscheinungsjahr

2023

2015

1993

2019

Aktuelle Version

1.0, March 2023

3.4-12

Lizenz

Commercial or Open Source

Open Source

BSL 1.1

kommerziell

Open Source

GPLv2, erweiterte kommerzielle Lizenz verfügbar

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

C++

Server Betriebssysteme

Linux

AIX
FreeBSD
Linux
macOS
Raspberry Pi
Solaris
Windows

gehostet

Datenschema

schemafrei

with some exceptions

Typisierung

vordefinierte Datentypen, z.B. float oder date

strings, hashes, lists, sets, sorted sets, bit arrays

String, Number, Boolean

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

through Apache Derby

nein

APIs und andere Zugriffskonzepte

Proprietäres Protokoll

RESP - REdis Serialization Protocol

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

RESTful HTTP API

Unterstützte Programmiersprachen

C
C#
C++
Clojure
D
Dart
Elixir
Erlang
Go
Haskell
Java
JavaScript (Node.js)
Lisp
Lua
Objective-C
Perl
PHP
Python
R
Ruby
Rust
Scala
Swift
Tcl

C
Java
Scala

.Net
Basic
C
Java
Objective C
PHP
Python

Python

Server-seitige Scripts

Stored Procedures

Lua

Triggers

publish/subscribe channels provide some trigger functionality

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

Atomic execution of command blocks and scripts

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, strict serializability by the server

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Password-based authentication

Access rights can be defined down to the item level

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

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

DragonflyDB Announces $21m in New Funding and General Availability
21. März 2023, businesswire.com

DragonflyDB reels in $21M for its speedy in-memory database
21. März 2023, SiliconANGLE News

Dragonfly 1.0 Released For What Claims To Be The World's Fastest In-Memory Data Store
20. März 2023, Phoronix

Intel Linux Kernel Optimizations Show Huge Benefit For High Core Count Servers
29. März 2023, Phoronix

SFU Computing Science researchers receive 2022 ACM SIGMOD Research Highlight Award.
24. Februar 2023, Simon Fraser University News

bereitgestellt von Google News

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

PostgreSQL is Now Faster than Pinecone, 75% Cheaper, with New Open Source Extensions
11. Juni 2024, PR Newswire

Pinecone launches serverless edition of its vector database on AWS
21. Mai 2024, SiliconANGLE News

Pinecone Launches Serverless Vector Database for Scalable AI Applications
21. Mai 2024, Datanami

Reimagining Vector Databases for the Generative AI Era with Pinecone Serverless on AWS | Amazon Web Services
21. März 2024, AWS Blog

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk