DBMS > EsgynDB vs. Milvus vs. Solr vs. Tigris vs. Yaacomo

Vergleich der Systemeigenschaften EsgynDB vs. Milvus vs. Solr vs. Tigris vs. Yaacomo

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

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

Kurzbeschreibung

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

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

Eine häufig verwendete Suchmaschinentechnologie basierend auf Apache Lucene

A horizontally scalable, ACID transactional, document database available both as a fully managed cloud service and for deployment on self-managed infrastructure

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

Primäres Datenbankmodell

Relational DBMS

Vektor DBMS

Suchmaschine

Document Store
Key-Value Store
Suchmaschine
Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	0,16
Rang	#329	Overall
	#146	Relational DBMS

Punkte	2,31
Rang	#113	Overall
	#3	Vektor DBMS

Punkte	42,91
Rang	#24	Overall
	#3	Suchmaschinen

Punkte	0,02
Rang	#369	Overall
	#51	Document Stores
	#55	Key-Value Stores
	#24	Suchmaschinen
	#38	Time Series DBMS

Website

yaacomo.com

Technische Dokumentation

milvus.io/docs/overview.md

solr.apache.org/resources.html

www.tigrisdata.com/docs

Entwickler

Esgyn

Apache Software Foundation

Tigris Data, Inc.

Q2WEB GmbH

Erscheinungsjahr

2015

2019

2006

2022

2009

Aktuelle Version

2.3.4, Jänner 2024

9.6.0, April 2024

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

Open Source

Apache Version 2

Open Source

Apache Version 2.0

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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

C++, Java

C++, Go

Java

Server Betriebssysteme

Linux

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

Alle Betriebssysteme mit einer Java VM

Läuft als Servlet in einem Servlet Container (z.B. Tomcat, Jetty ist inkludiert)

Linux
macOS
Windows

Android
Linux
Windows

Datenschema

Dynamic Fields enables on-the-fly addition of new fields

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

mit benutzerdefinierten Datentypen und automatic typing

XML Unterstützung

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

nein

Sekundärindizes

nein

Alle Suchfelder werden automatisch indiziert

SQL

Support of SQL

nein

Solr Parallel SQL Interface

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

RESTful HTTP API

Java API
RESTful HTTP/JSON API

CLI Client
gRPC
RESTful HTTP API

JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

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

.Net
Erlang
Java
JavaScript
jede Sprache, die Sockets und entweder XML oder JSON unterstützt
Perl
PHP
Python
Ruby
Scala

Go
Java
JavaScript (Node.js)

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

nein

Java plugins

nein

Triggers

nein

User configurable commands triggered on index changes

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-source replication between multi datacenters

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

spark-solr: github.com/lucidworks/spark-solr and streaming expressions to reduce

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

optimistic Locking

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, using FoundationDB

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

Role based access control and fine grained access rights

Access rights for users and roles

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

Elasticsearch replaced Solr as the most popular search engine
12. Januar 2016, Paul Andlinger

Enterprise Search Engines almost double their popularity in the last 12 months
2. Juli 2014, Paul Andlinger

The DB-Engines ranking includes now search engines
4. Februar 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

bereitgestellt von Google News

SOLR-led walkout demands better conditions for Compass workers
27. Februar 2024, Daily Northwestern

Closing Bell: Solar Alliance Energy Inc flat on Tuesday (SOLR)
24. Mai 2024, The Globe and Mail

(SOLR) Technical Data
17. Mai 2024, news.stocktradersdaily.com

SOLR hosts teach-in of labor movements at Northwestern
28. Januar 2024, Daily Northwestern

SOLR hosts May Day amid ongoing contract negotiations
12. Mai 2024, Daily Northwestern

bereitgestellt von Google News

Tigris Data Unveils Beta Launch of New Vector Search Tool
19. Mai 2023, Datanami

Tigris Data Launches All-in-One Developer Data Platform
27. September 2022, Datanami

Latest Asigra platform targets SaaS backup for MSPs
6. März 2023, TechTarget

FerretDB Provides Alternative to MongoDB
19. Mai 2023, Datanami

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk