DBMS > EXASOL vs. H2 vs. Milvus vs. PlanetScale vs. SwayDB

Vergleich der Systemeigenschaften EXASOL vs. H2 vs. Milvus vs. PlanetScale vs. SwayDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

High-performance, in-memory, MPP database specifically designed for in-memory analytics.

Full-featured RDBMS with a small footprint, either embedded into a Java application or used as a database server.

A DBMS designed for efficient storage of vector data and vector similarity searches

Scalable, distributed, serverless MySQL database platform built on top of Vitess

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

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Spatial DBMS

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

Punkte	1,76
Rang	#139	Overall
	#62	Relational DBMS

Punkte	8,33
Rang	#46	Overall
	#30	Relational DBMS

Punkte	2,78
Rang	#103	Overall
	#3	Vektor DBMS

Punkte	1,49
Rang	#155	Overall
	#72	Relational DBMS

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

Website

Technische Dokumentation

www.exasol.com/resources

www.h2database.com/html/main.html

milvus.io/docs/overview.md

planetscale.com/docs

Entwickler

Exasol

Thomas Mueller

PlanetScale

Simer Plaha

Erscheinungsjahr

2000

2005

2019

2020

2018

Aktuelle Version

2.2.220, Juli 2023

2.3.4, Jänner 2024

Lizenz

Commercial or Open Source

kommerziell

Open Source

dual-licence (Mozilla public license, Eclipse public license)

Open Source

Apache Version 2.0

kommerziell

Open Source

GNU Affero GPL V3.0

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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

Java

C++, Go

Scala

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

Docker
Linux
macOS

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

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

mit proprietären Erweiterungen

nein

APIs und andere Zugriffskonzepte

.Net
JDBC
ODBC
WebSocket

JDBC
ODBC

RESTful HTTP API

ADO.NET
JDBC
MySQL protocol
ODBC

Unterstützte Programmiersprachen

Java
Lua
Python
R

Java

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

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Java
Kotlin
Scala

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

Java Stored Procedures and User-Defined Functions

nein

proprietäre Syntax

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

With clustering: 2 database servers on different computers operate on identical copies of a database

Multi-Source Replikation
Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Eventual Consistency across shards
Immediate Consistency within a shard

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

nicht für MyISAM Storage Engine

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID at shard level

Atomic execution of operations

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Table Locks oder Row Locks abhängig von Storage Engine

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

Access rights for users, groups and roles according to SQL-standard

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Role based access control and fine grained access rights

Benutzer mit feingranularem Berechtigungskonzept

keine Benutzergruppen oder Rollen

nein

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Milvus is an open-source and cloud-native vector database built for production-ready...
» mehr

Competitive advantages

Highly available, versatile, and robust with millisecond latency. Supports batch...
» mehr

Typical application scenarios

RAG: retrieval augmented generation Video media : video understanding, video deduplication....
» mehr

Key customers

Milvus is trusted by thousands of enterprises, including PayPal, eBay, IKEA, LINE,...
» mehr

Market metrics

As of January 2024, 25k+ GitHub stars 10M+ downloads and installations 3k+ enterprise...
» mehr

Licensing and pricing models

Milvus was released under the open-source Apache License 2.0 in October 2019. Fully-managed...
» mehr

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

It's Back to the Database Future for Exasol CEO Tewes
26. Oktober 2023, Datanami

Exasol Finds AI Underinvestment Leads to Business Failure, But Data Challenges Stall Rapid Adoption
14. Mai 2024, insideBIGDATA

Mathias Golombek, Chief Technology Officer of Exasol – Interview Series
21. Mai 2024, Unite.AI

Exasol gets jolt of AI with Espresso suite of capabilities
26. Februar 2024, TechTarget

Exasol Unveils New Suite of AI Tools to Turbocharge Enterprise Data Analytics
21. Februar 2024, Business Wire

bereitgestellt von Google News

How NVIDIA GPU Acceleration Supercharged Milvus Vector Database
26. März 2024, The New Stack

AI-Powered Search Engine With Milvus Vector Database on Vultr
31. Januar 2024, SitePoint

Milvus 2.4 Unveils Game-Changing Features for Enhanced Vector Search
20. März 2024, GlobeNewswire

Zilliz Unveils Game-Changing Features for Vector Search
22. März 2024, Datanami

IBM watsonx.data’s integrated vector database: unify, prepare, and deliver your data for AI
9. April 2024, ibm.com

bereitgestellt von Google News

PlanetScale ends free tier bid, sheds staff in profitability bid
11. März 2024, The Register

PlanetScale forks MySQL to add vector support
1. Juni 2024, Yahoo Movies Canada

PlanetScale forks MySQL to add vector support
3. Oktober 2023, TechCrunch

PlanetScale Named to Fortune 2023 Best Small Workplaces
31. August 2023, Business Wire

PlanetScale review: Horizontally scalable MySQL in the cloud
1. September 2021, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk