DBMS > Ehcache vs. Postgres-XL vs. Splice Machine vs. Yanza

Vergleich der Systemeigenschaften Ehcache vs. Postgres-XL vs. Splice Machine vs. Yanza

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Yanza seems to be discontinued. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

A widely adopted Java cache with tiered storage options

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

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

Time Series DBMS for IoT Applications

Primäres Datenbankmodell

Key-Value Store

Relational DBMS

Time Series DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	4,79
Rang	#66	Overall
	#8	Key-Value Stores

Punkte	0,43
Rang	#260	Overall
	#119	Relational DBMS

Punkte	0,54
Rang	#244	Overall
	#114	Relational DBMS

Website

www.ehcache.org

www.postgres-xl.org

splicemachine.com

yanza.com

Technische Dokumentation

www.ehcache.org/documentation

www.postgres-xl.org/documentation

splicemachine.com/how-it-works

Entwickler

Terracotta Inc, owned by Software AG

Splice Machine

Yanza

Erscheinungsjahr

2009

2014

seit 2012, ursprünglich genannt StormDB

2014

2015

Aktuelle Version

3.10.0, Maerz 2022

10 R1, Oktober 2018

3.1, March 2021

Lizenz

Commercial or Open Source

Open Source

Apache Version 2; commercial licenses available

Open Source

Mozilla public license

Open Source

AGPL 3.0, commercial license available

kommerziell

free version available

Ausschließlich ein Cloud-Service

Nur als Cloud-Service verfügbar

nein

but mainly used as a service provided by Yanza

DBaaS Angebote (gesponserte Links)

Database as a Service

Providers of DBaaS offerings, please contact us to be listed.

Implementierungssprache

Java

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux
macOS

Linux
OS X
Solaris
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

XML type, but no XML query functionality

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

distributed, parallel query execution

nein

APIs und andere Zugriffskonzepte

JCache

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

JDBC
Native Spark Datasource
ODBC

HTTP API

Unterstützte Programmiersprachen

Java

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

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

jede Sprache, die HTTP-Aufrufe erlaubt

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

Java

nein

Triggers

Cache Event Listeners

Timer and event based

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

by using Terracotta Server

horizontale Partitionierung

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

by using Terracotta Server

Multi-Source Replikation
Source-Replica Replikation

keine

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

Tunable Consistency (Strong, Eventual, Weak)

Immediate 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

MVCC

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

using a tiered cache-storage approach

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

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

Jira Data Center user? Here's a critical Ehcache vulnerability to spoil your day
22. Juli 2021, The Register

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

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

How to partition Sonatype Nexus Repository: Targets, privileges, and roles
9. Februar 2010, Sonatype Blog

Implementing fallback with cached data
8. Oktober 2018, O'Reilly Media

bereitgestellt von Google News

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

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine Learning
19. Januar 2021, PR Newswire

Monte Zweben's Splice Machine Introduces New Hadoop RDBMS
24. Juni 2014, Forbes

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

Hadoop is not a static data repository, says Splice Machine CEO | #BigDataSV
12. Februar 2014, SiliconANGLE News

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk