DBMS > Drizzle vs. HEAVY.AI vs. Microsoft Azure Data Explorer vs. SwayDB vs. XTDB

Vergleich der Systemeigenschaften Drizzle vs. HEAVY.AI vs. Microsoft Azure Data Explorer vs. SwayDB vs. XTDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Drizzle has published its last release in September 2012. The open-source project is discontinued and Drizzle is excluded from the DB-Engines ranking.

Kurzbeschreibung

MySQL fork mit erweiterbarem Micro-Kernel und mit Betonung von Leistung vor Kompatibilität.

A high performance, column-oriented RDBMS, specifically developed to harness the massive parallelism of modern CPU and GPU hardware

Fully managed big data interactive analytics platform

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

Relational DBMS

column oriented

Key-Value Store

Document Store

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store

If a column is of type dynamic docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types/dynamic then it's possible to add arbitrary JSON documents in this cell
Event Store

this is the general usage pattern at Microsoft. Billing, Logs, Telemetry events are stored in ADX and the state of an individual entity is defined by the arg_max(timestamps)
Spatial DBMS
Suchmaschine

support for complex search expressions docs.microsoft.com/en-us/azure/kusto/query/parseoperator FTS, Geospatial docs.microsoft.com/en-us/azure/kusto/query/geo-point-to-geohash-function distributed search -> ADX acts as a distributed search engine
Time Series DBMS

see docs.microsoft.com/en-us/azure/data-explorer/time-series-analysis

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

Punkte	1,77
Rang	#141	Overall
	#65	Relational DBMS

Punkte	4,38
Rang	#77	Overall
	#41	Relational DBMS

Punkte	0,00
Rang	#382	Overall
	#59	Key-Value Stores

Punkte	0,11
Rang	#343	Overall
	#46	Document Stores

Website

github.com/heavyai/heavydb
www.heavy.ai

azure.microsoft.com/services/data-explorer

swaydb.simer.au

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

Technische Dokumentation

docs.heavy.ai

docs.microsoft.com/en-us/azure/data-explorer

www.xtdb.com/docs

Entwickler

Drizzle Projekt, ursprünglich gestartet von Brian Aker

HEAVY.AI, Inc.

Microsoft

Simer Plaha

Juxt Ltd.

Erscheinungsjahr

2008

2016

2019

2018

2019

Aktuelle Version

7.2.4, September 2012

5.10, Jänner 2022

cloud service with continuous releases

1.19, September 2021

Lizenz

Commercial or Open Source

Open Source

GNU GPL

Open Source

Apache Version 2; enterprise edition available

kommerziell

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++

C++ and CUDA

Scala

Clojure

Server Betriebssysteme

FreeBSD
Linux
OS X

Linux

gehostet

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

Datenschema

Fixed schema with schema-less datatypes (dynamic)

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

bool, datetime, dynamic, guid, int, long, real, string, timespan, double: docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types

nein

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

all fields are automatically indexed

nein

SQL

Support of SQL

mit propriätären Erweiterungen

Kusto Query Language (KQL), SQL subset

nein

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

JDBC

JDBC
ODBC
Thrift
Vega

Microsoft SQL Server communication protocol (MS-TDS)
RESTful HTTP API

HTTP REST
JDBC

Unterstützte Programmiersprachen

C
C++
Java
PHP

All languages supporting JDBC/ODBC/Thrift
Python

.Net
Go
Java
JavaScript (Node.js)
PowerShell
Python
R

Java
Kotlin
Scala

Clojure
Java

Server-seitige Scripts

Stored Procedures

nein

Yes, possible languages: KQL, Python, R

nein

Triggers

nein

Hooks für Callbacks innerhalb der Servers können verwendet werden.

nein

see docs.microsoft.com/en-us/azure/kusto/management/updatepolicy

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

Sharding

Implicit feature of the cloud service

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

Multi-Source Replikation

Implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

keine

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Spark connector (open source): github.com/Azure/azure-kusto-spark

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

Atomic execution of operations

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

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

nein

Berechtigungskonzept

Zugriffskontrolle

Pluggable Authentication Mechanismen

z.B. LDAP, HTTP

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Azure Active Directory Authentication

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

DB-Engines Blog Posts

MySQL won the April ranking; did its forks follow?
1. April 2015, Paul Andlinger

Has MySQL finally lost its mojo?
1. Juli 2013, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Big Data Analytics: A Game Changer for Infrastructure
13. Juli 2023, Spiceworks News and Insights

HEAVY.AI Launches HEAVY 7.0, Introducing Real-Time Machine Learning Capabilities
19. April 2023, Business Wire

Making the most of geospatial intelligence
14. April 2023, InfoWorld

OmniSci Gets HEAVY New Name and New CEO
1. März 2022, Datanami

The insideBIGDATA IMPACT 50 List for Q4 2023
11. Oktober 2023, insideBIGDATA

bereitgestellt von Google News

Azure Data Explorer: Log and telemetry analytics benchmark
16. August 2022, Microsoft

Providing modern data transfer and storage service at Microsoft with Microsoft Azure - Inside Track Blog
13. Juli 2023, Microsoft

Controlling costs in Azure Data Explorer using down-sampling and aggregation
11. Februar 2019, Microsoft

Individually great, collectively unmatched: Announcing updates to 3 great Azure Data Services
7. Februar 2019, Microsoft

Log and Telemetry Analytics Performance Benchmark
16. August 2022, Gigaom

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk