DBMS > Dragonfly vs. Splice Machine vs. SwayDB vs. XTDB

Vergleich der Systemeigenschaften Dragonfly vs. Splice Machine vs. SwayDB vs. XTDB

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

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

An embeddable, non-blocking, type-safe key-value store for single or multiple disks and in-memory storage

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

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

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

Punkte	0,54
Rang	#252	Overall
	#115	Relational DBMS

Punkte	0,04
Rang	#387	Overall
	#61	Key-Value Stores

Punkte	0,18
Rang	#332	Overall
	#46	Document Stores

Website

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

splicemachine.com

swaydb.simer.au

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

www.dragonflydb.io/docs

splicemachine.com/how-it-works

www.xtdb.com/docs

Entwickler

DragonflyDB team and community contributors

Splice Machine

Simer Plaha

Juxt Ltd.

Erscheinungsjahr

2023

2014

2018

2019

Aktuelle Version

1.0, March 2023

3.1, March 2021

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

BSL 1.1

Open Source

AGPL 3.0, commercial license available

Open Source

GNU Affero GPL V3.0

Open Source

MIT License

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

Scala

Clojure

Server Betriebssysteme

Linux

Linux
OS X
Solaris
Windows

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

nein

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

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

Proprietäres Protokoll

RESP - REdis Serialization Protocol

JDBC
Native Spark Datasource
ODBC

HTTP REST
JDBC

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#
C++
Java
JavaScript (Node.js)
Python
R
Scala

Java
Kotlin
Scala

Clojure
Java

Server-seitige Scripts

Stored Procedures

Lua

Java

nein

Triggers

publish/subscribe channels provide some trigger functionality

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

Multi-Source Replikation
Source-Replica Replikation

keine

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

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

Atomic execution of operations

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, strict serializability by the server

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

Password-based authentication

Access rights for users, groups and roles 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

Erwähnungen in aktuellen Nachrichten

DragonflyDB Announces $21m in New Funding and General Availability
21. März 2023, Business Wire

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

DragonflyDB Raises $21M in Funding
21. März 2023, FinSMEs

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

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

Hadoop-based RDBMS Now Available from Splice
12. Mai 2014, Datanami

Unified MLOps: Feature Stores and Model Deployment
13. Mai 2022, InfoQ.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk