DBMS > EsgynDB vs. HEAVY.AI vs. PostGIS vs. TimesTen

Vergleich der Systemeigenschaften EsgynDB vs. HEAVY.AI vs. PostGIS vs. TimesTen

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

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

Spatial extension of PostgreSQL

An in-memory SQL relational database that delivers microsecond response and high throughput for OLTP applications. TimesTen can be deployed as a standalone database or as a cache to a backend Oracle database.

Primäres Datenbankmodell

Relational DBMS

Spatial DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Relational DBMS

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

Punkte	0,15
Rang	#325	Overall
	#144	Relational DBMS

Punkte	1,41
Rang	#153	Overall
	#71	Relational DBMS

Punkte	20,16
Rang	#29	Overall
	#1	Spatial DBMS

Punkte	1,26
Rang	#164	Overall
	#75	Relational DBMS

Website

www.esgyn.cn

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

postgis.net

www.oracle.com/database/technologies/related/timesten.html

Technische Dokumentation

docs.heavy.ai

postgis.net/documentation

docs.oracle.com/en/database/other-databases/timesten/index.html

Entwickler

Esgyn

HEAVY.AI, Inc.

Oracle

originally founded in HP Labs it was acquired by Oracle in 2005

Erscheinungsjahr

2015

2016

2005

1998

Aktuelle Version

5.10, Jänner 2022

3.4.2, Februar 2024

Release 22.1

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2; enterprise edition available

Open Source

GPL v2.0

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

C++, Java

C++ and CUDA

Server Betriebssysteme

Linux

IBM AIX Power PC 64-bit
Linux arm64
Linux x86-64
Solaris SPARC 64
Solaris SPARC/x86
Solaris x86-64

Datenschema

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

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

JDBC
ODBC
Thrift
Vega

ODBC
ODP.NET
Oracle Call Interface (OCI)
Pro*C/C++ programming interfaces
SQL and PL/SQL via JDBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

All languages supporting JDBC/ODBC/Thrift
Python

C
C++
Java
Node.js
PL/SQL
Python

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

benutzerdefinierte Funktionen

PL/SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

basierend auf PostgreSQL

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-source replication between multi datacenters

Multi-Source Replikation

basierend auf PostgreSQL

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Immediate Consistency or Eventual Consistency depending on configuration

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

by means of logfiles and checkpoints

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

basierend auf PostgreSQL

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Dr. Mike Flaxman, VP or Product Management at HEAVY.AI – Interview Series
19. September 2024, Unite.AI

5 Q’s for Mike Flaxman, Vice President of Heavy.AI
15. August 2024, Center for Data Innovation

HEAVY.AI Accelerates Big Data Analytics with Vultr's High-Performance GPU Cloud Infrastructure
11. September 2024, insideBIGDATA

HEAVY.AI Accelerates Big Data Analytics with Vultr’s High-Performance GPU Cloud Infrastructure
11. September 2024, insideBIGDATA

Meta delivers strong earnings, but weak guidance and heavy AI spending prompt investors to bail
24. April 2024, SiliconANGLE News

bereitgestellt von Google News

Oracle starts peddling Exalytics in-memory appliance
12. März 2012, The Register

SAP S&D Benchmark - The Intel Xeon E7-8800 v3 Review: The POWER8 Killer?
8. Mai 2015, AnandTech

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk