DBMS > GBase vs. Greenplum vs. Heroic vs. Microsoft Azure Synapse Analytics

Vergleich der Systemeigenschaften GBase vs. Greenplum vs. Heroic vs. Microsoft Azure Synapse Analytics

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Widely used RDBMS in China, including analytical, transactional, distributed transactional, and cloud-native data warehousing.

Analytic Database platform built on PostgreSQL. Full name is Pivotal Greenplum Database

A logical database in Greenplum is an array of individual PostgreSQL databases working together to present a single database image.

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

Elastic, large scale data warehouse service leveraging the broad eco-system of SQL Server

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	1,07
Rang	#185	Overall
	#86	Relational DBMS

Punkte	8,37
Rang	#48	Overall
	#30	Relational DBMS

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Punkte	20,56
Rang	#31	Overall
	#19	Relational DBMS

Website

www.gbase.cn

greenplum.org

github.com/spotify/heroic

azure.microsoft.com/services/synapse-analytics

Technische Dokumentation

docs.greenplum.org

spotify.github.io/heroic

docs.microsoft.com/azure/synapse-analytics

Entwickler

General Data Technology Co., Ltd.

Pivotal Software Inc.

Spotify

Microsoft

Erscheinungsjahr

2004

2005

2014

2016

Aktuelle Version

GBase 8a, GBase 8s, GBase 8c

7.0.0, September 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

Open Source

Apache 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.

Implementierungssprache

C, Java, Python

Java

C++

Server Betriebssysteme

Linux

gehostet

Datenschema

schemafrei

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

seit Version 4.2

nein

Sekundärindizes

via Elasticsearch

SQL

Support of SQL

Standard with numerous extensions

nein

APIs und andere Zugriffskonzepte

ADO.NET
C API
JDBC
ODBC

JDBC
ODBC

HQL (Heroic Query Language, a JSON-based language)
HTTP API

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

C
Java
Perl
Python
R

C#
Java
PHP

Server-seitige Scripts

Stored Procedures

user defined functions

nein

Transact SQL

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontal partitioning (by range, list and hash) and vertical partitioning

Sharding

Sharding, horizontal partitioning

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-table-constraints

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

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

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

VMware Greenplum on AWS: Parallel Postgres for Enterprise Analytics at Scale | Amazon Web Services
9. September 2019, AWS Blog

1. Introducing the Greenplum Database - Data Warehousing with Greenplum [Book]
6. Dezember 2018, O'Reilly Media

RSA: EMC integrates Hadoop with Greenplum database
26. Februar 2013, DatacenterDynamics

Greenplum 6 ventures outside the analytic box | ZDNET
19. März 2019, ZDNet

Greenplum 6 review: Jack of all trades, master of some
7. November 2019, InfoWorld

bereitgestellt von Google News

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

bereitgestellt von Google News

Migrate Microsoft Azure Synapse Analytics to Amazon Redshift using AWS SCT | Amazon Web Services
18. Oktober 2023, AWS Blog

Azure Synapse vs. Databricks: Data Platform Comparison 2024
26. März 2024, eWeek

Azure Synapse Runtime for Apache Spark 3.2 End of Support | Azure updates
22. März 2024, azure.microsoft.com

Azure Synapse Analytics: Everything you need to know about Microsoft's cloud analytics platform
24. September 2023, DataScientest

Azure Synapse Link for Cosmos DB: New Analytics Capabilities
10. November 2023, InfoQ.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk