DBMS > EJDB vs. Hawkular Metrics vs. Heroic vs. Hive vs. Yaacomo

Vergleich der Systemeigenschaften EJDB vs. Hawkular Metrics vs. Heroic vs. Hive vs. Yaacomo

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yaacomo seems to be discontinued and is removed from the DB-Engines ranking

Kurzbeschreibung

Eingebettete Library mit JSON-Notation für Queries (Syntax ähnlich zu MongoDB)

Hawkular metrics is the metric storage of the Red Hat sponsored Hawkular monitoring system. It is based on Cassandra.

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

Data Warehouse Software zum Abfragen und Verwalten großer verteilter Datenmengen beispielsweise in Hadoop

OpenCL based in-memory RDBMS, designed for efficiently utilizing the hardware via parallel computing

Primäres Datenbankmodell

Document Store

Time Series DBMS

Relational DBMS

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

Punkte	0,27
Rang	#297	Overall
	#44	Document Stores

Punkte	0,00
Rang	#379	Overall
	#40	Time Series DBMS

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Punkte	61,17
Rang	#18	Overall
	#12	Relational DBMS

Website

github.com/Softmotions/ejdb

www.hawkular.org

github.com/spotify/heroic

hive.apache.org

yaacomo.com

Technische Dokumentation

github.com/Softmotions/ejdb/blob/master/README.md

www.hawkular.org/hawkular-metrics/docs/user-guide

spotify.github.io/heroic

cwiki.apache.org/confluence/display/Hive/Home

Entwickler

Softmotions

Community supported by Red Hat

Spotify

Apache Software Foundation

Ursprünglich von Facebook entwickelt

Q2WEB GmbH

Erscheinungsjahr

2012

2014

2012

2009

Aktuelle Version

3.1.3, April 2022

Lizenz

Commercial or Open Source

Open Source

GPLv2

Open Source

Apache 2.0

Open Source

Apache 2.0

Open Source

Apache Version 2

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

Server Betriebssysteme

serverlos

Linux
OS X
Windows

Alle Betriebssysteme mit einer Java VM

Android
Linux
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

string, integer, double, bool, date, object_id

XML Unterstützung

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

nein

Sekundärindizes

nein

via Elasticsearch

SQL

Support of SQL

nein

SQL-like DML and DDL statements

APIs und andere Zugriffskonzepte

In-process Library

HTTP REST

HQL (Heroic Query Language, a JSON-based language)
HTTP API

JDBC
ODBC
Thrift

JDBC
ODBC

Unterstützte Programmiersprachen

Actionscript
C
C#
C++
Go
Java
JavaScript (Node.js)
Lua
Objective-C
Pike
Python
Ruby

Go
Java
Python
Ruby

C++
Java
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Benutzerdefinierte Funktion und Map-Reduce Integration

Triggers

nein

via Hawkular Alerting

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

basierend auf Cassandra

Sharding

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

frei wählbarer Replikationsfaktor

basierend auf Cassandra

frei wählbarer Replikationsfaktor

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Abfragen werden als MapReduce Jobs behandelt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Eventual Consistency
Immediate Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Normalerweise nicht gebraucht, ähnliche Funktionalität mit collection joins

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Read/Write Locking

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Zugriffsrechte für Benutzer, Gruppen und Rollen

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Waiting for Red Hat OpenShift 4.0? Too late, 4.1 has already arrived… • DEVCLASS
5. Juni 2019, DevClass

bereitgestellt von Google News

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

bereitgestellt von Google News

Apache Software Foundation Announces Apache® Hive 4.0
30. April 2024, GlobeNewswire

ASF Unveils the Next Evolution of Big Data Processing With the Launch of Hive 4.0
2. Mai 2024, Datanami

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

Apache Hive 4.0 Launches, Revolutionizing Data Management and Analysis
1. Mai 2024, MyChesCo

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk