DBMS > EventStoreDB vs. Hive vs. HyperSQL vs. Pinecone

Vergleich der Systemeigenschaften EventStoreDB vs. Hive vs. HyperSQL vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Industrial-strength, open-source database solution built from the ground up for event sourcing.

Data Warehouse Software zum Abfragen und Verwalten großer verteilter Datenmengen beispielsweise in Hadoop

In Java gesschriebenes multithreaded und transaktionales RDBMS

Auch bekannt unter HSQLDB

A managed, cloud-native vector database

Primäres Datenbankmodell

Event Store

Relational DBMS

Vektor DBMS

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

Punkte	1,19
Rang	#173	Overall
	#1	Event Stores

Punkte	59,76
Rang	#18	Overall
	#12	Relational DBMS

Punkte	3,23
Rang	#93	Overall
	#48	Relational DBMS

Punkte	3,23
Rang	#92	Overall
	#2	Vektor DBMS

Website

Technische Dokumentation

developers.eventstore.com

cwiki.apache.org/confluence/display/Hive/Home

hsqldb.org/web/hsqlDocsFrame.html

docs.pinecone.io/docs/overview

Entwickler

Event Store Limited

Apache Software Foundation

Ursprünglich von Facebook entwickelt

Pinecone Systems, Inc

Erscheinungsjahr

2012

2001

2019

Aktuelle Version

21.2, Februar 2021

3.1.3, April 2022

2.7.2, Juni 2023

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Basiert auf BSD-Lizenz

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

Java

Server Betriebssysteme

Linux
Windows

Alle Betriebssysteme mit einer Java VM

Embedded (into Java applications) and Client-Server operating modes

gehostet

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

String, Number, Boolean

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

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift

HTTP API

JDBC via HTTP
JDBC
ODBC

RESTful HTTP API

Unterstützte Programmiersprachen

C++
Java
PHP
Python

All languages supporting JDBC/ODBC
Java

Python

Server-seitige Scripts

Stored Procedures

Benutzerdefinierte Funktion und Map-Reduce Integration

Java, SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als MapReduce Jobs behandelt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

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

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Design a data mesh pattern for Amazon EMR-based data lakes using AWS Lake Formation with Hive metastore ...
10. Juni 2024, AWS Blog

Apache Software Foundation Announces Apache Hive 4.0
30. April 2024, Datanami

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

ASF Unveils the Next Evolution of Big Data Processing With the Launch of Hive 4.0
2. Mai 2024, Datanami

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

bereitgestellt von Google News

HyperSQL DataBase flaw leaves library vulnerable to RCE
24. Oktober 2022, The Daily Swig

Introduction to JDBC with HSQLDB tutorial
14. November 2022, TheServerSide.com

bereitgestellt von Google News

PostgreSQL is Now Faster than Pinecone, 75% Cheaper, with New Open Source Extensions
11. Juni 2024, PR Newswire

A New Era AI Databases: PostgreSQL with pgvectorscale Outperforms Pinecone and Cuts Costs by 75% with New Open-Source Extensions
12. Juni 2024, MarkTechPost

Gathr Partners with Pinecone to Accelerate Generative AI Adoption
12. Juni 2024, ARC Advisory Group

Pinecone launches its serverless vector database out of preview
21. Mai 2024, TechCrunch

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk