DBMS > GeoMesa vs. Graphite vs. Milvus vs. Quasardb vs. STSdb

Vergleich der Systemeigenschaften GeoMesa vs. Graphite vs. Milvus vs. Quasardb vs. STSdb

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

GeoMesa ist ein verteiltes spatio-temporal DBMS basierend auf verschiedenen Systemen als Storage Layer.

Data logging and graphing tool for time series data

The storage layer (fixed size database) is called Whisper

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

Distributed, high-performance timeseries database

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

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

Punkte	0,78
Rang	#213	Overall
	#4	Spatial DBMS

Punkte	4,57
Rang	#73	Overall
	#5	Time Series DBMS

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

Punkte	0,14
Rang	#332	Overall
	#29	Time Series DBMS

Punkte	0,04
Rang	#360	Overall
	#52	Key-Value Stores

Website

www.geomesa.org

github.com/graphite-project/graphite-web

milvus.io

quasar.ai

github.com/STSSoft/STSdb4

Technische Dokumentation

www.geomesa.org/documentation/stable/user/index.html

graphite.readthedocs.io

milvus.io/docs/overview.md

doc.quasar.ai/master

Entwickler

CCRi und Andere

Chris Davis

quasardb

STS Soft SC

Erscheinungsjahr

2014

2006

2019

2009

2011

Aktuelle Version

4.0.5, Februar 2024

2.3.4, Jänner 2024

3.14.1, Jänner 2024

4.0.8, September 2015

Lizenz

Commercial or Open Source

Open Source

Apache License 2.0

Open Source

Apache 2.0

Open Source

Apache Version 2.0

kommerziell

Free community edition, Non-profit organizations and non-commercial usage are eligible for free licenses

Open Source

GPLv2, kommerzielle Lizenz verfügbar

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

Scala

Python

C++, Go

C++

Server Betriebssysteme

Linux
Unix

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

BSD
Linux
OS X
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numeric data only

Vector, Numeric and String

integer and binary

Primitive Typen und benutzerdefinierte Klassen

XML Unterstützung

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

nein

Sekundärindizes

nein

mittels Tags

nein

SQL

Support of SQL

nein

SQL-like query language

nein

APIs und andere Zugriffskonzepte

HTTP API
Sockets

RESTful HTTP API

HTTP API

.NET Client API

Unterstützte Programmiersprachen

JavaScript (Node.js)
Python

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

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

C#
Java

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

abhängig von Storage layer

keine

Sharding

consistent hashing

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

abhängig von Storage layer

keine

Source-Replica Replikation mit wählbarem Replikationsfaktor

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

with Hadoop integration

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

abhängig von Storage layer

keine

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

locking

Durability

Dauerhafte Speicherung der Daten

mittels LevelDB

In-Memory Unterstützung

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

abhängig von Storage layer

Transient mode

Berechtigungskonzept

Zugriffskontrolle

anhängig von dem zur Speicherung verwendeten DBMS

nein

Role based access control and fine grained access rights

Cryptographically strong user authentication and audit trail

nein

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Time Series DBMS are the database category with the fastest increase in popularity
4. Juli 2016, Matthias Gelbmann

Time Series DBMS as a new trend?
1. Juni 2015, Paul Andlinger

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Try out the Graphite monitoring tool for time-series data
29. Oktober 2019, TechTarget

Grafana Labs Announces Mimir Time Series Database
1. April 2022, Datanami

How Grafana made observability accessible
12. Juni 2023, InfoWorld

The Billion Data Point Challenge: Building a Query Engine for High Cardinality Time Series Data
10. Dezember 2018, Uber

Getting Started with Monitoring using Graphite
23. Januar 2015, InfoQ.com

bereitgestellt von Google News

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

Hubble Unexpectedly Finds Double Quasar in Distant Universe
4. Oktober 2023, Science@NASA

Quasar Partners with PTC to Empower IoT Customers with High-Performance Data Solutions
11. September 2023, Datanami

Record quasar is most luminous object in the universe
20. Februar 2024, EarthSky

QUASAR yacht (Bilgin, 46.8m, 2016)
3. Juli 2023, Boat International

Quasar Selected by National Renewable Energy Laboratory to Help with Energy System De-risking and Optimization
6. Juni 2023, PR Newswire

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk