DBMS > EsgynDB vs. PlanetScale vs. RDF4J vs. ReductStore vs. Trafodion

Vergleich der Systemeigenschaften EsgynDB vs. PlanetScale vs. RDF4J vs. ReductStore vs. Trafodion

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

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

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

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

Designed to manage unstructured time-series data efficiently, providing unique features such as storing time-stamped blobs with labels, customizable data retention policies, and a straightforward FIFO quota system.

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	0,25
Rang	#312	Overall
	#138	Relational DBMS

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

Punkte	0,74
Rang	#222	Overall
	#9	RDF Stores

Punkte	0,05
Rang	#384	Overall
	#44	Time Series DBMS

Website

www.esgyn.cn

planetscale.com

rdf4j.org

github.com/reductstore
www.reduct.store

trafodion.apache.org

Technische Dokumentation

planetscale.com/docs

rdf4j.org/documentation

www.reduct.store/docs

trafodion.apache.org/documentation.html

Entwickler

Esgyn

PlanetScale

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

ReductStore LLC

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2015

2020

2004

2023

2014

Aktuelle Version

1.9, März 2024

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

kommerziell

Open Source

Eclipse Distribution License (EDL), v1.0.

Open Source

Business Source License 1.1

Open Source

Apache 2.0

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

C++, Java

Java

C++, Rust

C++, Java

Server Betriebssysteme

Linux

Docker
Linux
macOS

Linux
OS X
Unix
Windows

Docker
Linux
macOS
Windows

Linux

Datenschema

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

SQL

Support of SQL

mit proprietären Erweiterungen

nein

APIs und andere Zugriffskonzepte

ADO.NET
JDBC
ODBC

ADO.NET
JDBC
MySQL protocol
ODBC

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

HTTP API

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/ADO.Net

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

Java
PHP
Python

C++
JavaScript (Node.js)
Python
Rust

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

Java Stored Procedures

proprietäre Syntax

Java Stored Procedures

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-source replication between multi datacenters

Multi-Source Replikation
Source-Replica Replikation

keine

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency across shards
Immediate Consistency within a shard

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nicht für MyISAM Storage Engine

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

ACID at shard level

ACID

Isolation abhängig vom verwendeten API

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Table Locks oder Row Locks abhängig von Storage Engine

Durability

Dauerhafte Speicherung der Daten

In-memory Storage wird ebenfalls unterstützt

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

Benutzer mit feingranularem Berechtigungskonzept

keine Benutzergruppen oder Rollen

nein

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

Erwähnungen in aktuellen Nachrichten

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

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 forks MySQL to add vector support
3. Oktober 2023, Yahoo Movies Canada

How to Migrate to PlanetScale's Serverless Database
14. Oktober 2021, The New Stack

bereitgestellt von Google News

GraphDB Goes Open Source
27. Januar 2020, iProgrammer

Ontotext's GraphDB 8.10 Makes Knowledge Graph Experience Faster and Richer
13. Juni 2019, Markets Insider

bereitgestellt von Google News

SQL-on-Hadoop Database Trafodion Bridges Transactions and Analysis
24. Januar 2018, The New Stack

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

Low-latency, distributed database architectures are critical for emerging fog applications
16. Juli 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk