DBMS > FeatureBase vs. Google Cloud Bigtable vs. Infobright vs. NSDb

Vergleich der Systemeigenschaften FeatureBase vs. Google Cloud Bigtable vs. Infobright vs. NSDb

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Real-time database platform that powers real-time analytics and machine learning applications by simultaneously executing low-latency, high-throughput, and highly concurrent workloads.

Google's NoSQL Big Data database service. It's the same database that powers many core Google services, including Search, Analytics, Maps, and Gmail.

High performant column-oriented DBMS for analytic workloads using MySQL or PostgreSQL as a frontend

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

Primäres Datenbankmodell

Relational DBMS

Key-Value Store
Wide Column Store

Relational DBMS

Time Series DBMS

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

Punkte	0,31
Rang	#292	Overall
	#135	Relational DBMS

Punkte	3,15
Rang	#95	Overall
	#14	Key-Value Stores
	#8	Wide Column Stores

Punkte	1,02
Rang	#192	Overall
	#90	Relational DBMS

Punkte	0,08
Rang	#369	Overall
	#40	Time Series DBMS

Website

www.featurebase.com

cloud.google.com/bigtable

ignitetech.com/softwarelibrary/infobrightdb

nsdb.io

Technische Dokumentation

docs.featurebase.com

cloud.google.com/bigtable/docs

nsdb.io/Architecture

Entwickler

Molecula and Pilosa Open Source Contributors

Google

Ignite Technologies Inc.; formerly InfoBright Inc.

Erscheinungsjahr

2017

2015

2005

2017

Aktuelle Version

2022, May 2022

Lizenz

Commercial or Open Source

kommerziell

The open source (GPLv2) version did not support inserts/updates/deletes and was discontinued with July 2016

Open Source

Apache Version 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

Java, Scala

Server Betriebssysteme

Linux
macOS

gehostet

Linux
Windows

Linux
macOS

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

yes: int, bigint, decimal, string

XML Unterstützung

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

nein

Sekundärindizes

nein

Knowledge Grid Technology used instead

all fields are automatically indexed

SQL

Support of SQL

SQL queries

nein

SQL-like query language

APIs und andere Zugriffskonzepte

gRPC
JDBC
Kafka Connector
ODBC

gRPC (using protocol buffers) API
HappyBase (Python library)
HBase compatible API (Java)

ADO.NET
JDBC
ODBC

gRPC
HTTP REST
WebSocket

Unterstützte Programmiersprachen

Java
Python

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

.Net
C
C#
C++
D
Eiffel
Erlang
Haskell
Java
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Java
Scala

Server-seitige Scripts

Stored Procedures

nein

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

Internal replication in Colossus, and regional replication between two clusters in different zones

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate consistency (for a single cluster), Eventual consistency (for two or more replicated clusters)

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

Atomic single-row operations

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, using Linux fsync

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Access rights for users, groups and roles based on Google Cloud Identity and Access Management (IAM)

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

exploiting MySQL or PostgreSQL frontend capabilities

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

The 10 Hottest Big Data Startups Of 2021
18. November 2021, CRN

Get Your Infrastructure Ready for Real-Time Analytics
9. März 2022, Built In

Pilosa: A Scalable High Performance Bitmap Database Index
17. Juni 2019, hackernoon.com

32 Data and Analytics Startups That Will Go Big, According to VCs
28. September 2021, Business Insider

The 10 Coolest Big Data Tools Of 2021
7. Dezember 2021, CRN

bereitgestellt von Google News

Google Introduces Autoscaling for Cloud Bigtable for Optimizing Costs
31. Januar 2022, InfoQ.com

Google scales up Cloud Bigtable NoSQL database
27. Januar 2022, TechTarget

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

Google Cloud makes it cheaper to run smaller workloads on Bigtable
7. April 2020, TechCrunch

Google introduces Cloud Bigtable managed NoSQL database to process data at scale
6. Mai 2015, VentureBeat

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk