DBMS > Ehcache vs. EsgynDB vs. IBM Db2 Event Store vs. RDF4J

Vergleich der Systemeigenschaften Ehcache vs. EsgynDB vs. IBM Db2 Event Store vs. RDF4J

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A widely adopted Java cache with tiered storage options

Enterprise-class SQL-on-Hadoop solution, powered by Apache Trafodion

Distributed Event Store optimized for Internet of Things use cases

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Event Store
Time Series DBMS

RDF Store

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

Punkte	5,23
Rang	#68	Overall
	#8	Key-Value Stores

Punkte	0,23
Rang	#319	Overall
	#141	Relational DBMS

Punkte	0,23
Rang	#316	Overall
	#2	Event Stores
	#28	Time Series DBMS

Punkte	0,71
Rang	#231	Overall
	#9	RDF Stores

Website

www.ehcache.org

www.esgyn.cn

www.ibm.com/products/db2-event-store

rdf4j.org

Technische Dokumentation

www.ehcache.org/documentation

www.ibm.com/docs/en/db2-event-store

rdf4j.org/documentation

Entwickler

Terracotta Inc, owned by Software AG

Esgyn

IBM

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Erscheinungsjahr

2009

2015

2017

2004

Aktuelle Version

3.10.0, Maerz 2022

2.0

Lizenz

Commercial or Open Source

Open Source

Apache Version 2; commercial licenses available

kommerziell

free developer edition available

Open Source

Eclipse Distribution License (EDL), v1.0.

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.

Implementierungssprache

Java

C++, Java

C und C++

Java

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux

Linux, macOS, Windows for the developer addition

Linux
OS X
Unix
Windows

Datenschema

schemafrei

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

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 the embedded Spark runtime

nein

APIs und andere Zugriffskonzepte

JCache

ADO.NET
JDBC
ODBC

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

Unterstützte Programmiersprachen

Java

All languages supporting JDBC/ODBC/ADO.Net

C
C#
C++
Cobol
Delphi
Fortran
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby
Scala
Visual Basic

Java
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

Triggers

Cache Event Listeners

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

by using Terracotta Server

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

by using Terracotta Server

Multi-source replication between multi datacenters

Active-active shard replication

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Tunable Consistency (Strong, Eventual, Weak)

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

supports JTA and can work as an XA resource

ACID

nein

ACID

Isolation abhängig vom verwendeten API

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

No - written data is immutable

Durability

Dauerhafte Speicherung der Daten

using a tiered cache-storage approach

Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage

In-memory Storage wird ebenfalls unterstützt

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend 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

Atlassian asks customers to patch critical Jira vulnerability
22. Juli 2021, BleepingComputer

Cache replication
19. August 2013, Packt Hub

Critical Jira Flaw in Atlassian Could Lead to RCE
22. Juli 2021, Threatpost

Migration From JBoss 5 to JBoss 7: All It Takes Is 11 Easy Steps
3. Juni 2021, hackernoon.com

DZone Coding Java JBoss 5 to 7 in 11 steps
9. Januar 2014, dzone.com

bereitgestellt von Google News

Capture and Analyze XXL Data Streams with IBM Db2 Event Store 2.0
22. August 2019, IBM

IBM Builds New Ultra-Fast Platform for Hoovering Up and Analyzing Data from Anywhere
31. Mai 2018, Data Center Knowledge

Advancements in streaming data storage, real-time analysis and machine learning
25. Juli 2019, IBM

Best cloud databases of 2022
4. Oktober 2022, ITPro

How IBM Is Turning Db2 into an 'AI Database'
3. Juni 2019, Datanami

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk