DBMS > Google BigQuery vs. H2 vs. Postgres-XL vs. XTDB

Vergleich der Systemeigenschaften Google BigQuery vs. H2 vs. Postgres-XL vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Large scale data warehouse service with append-only tables

Full-featured RDBMS with a small footprint, either embedded into a Java application or used as a database server.

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Relational DBMS

Document Store

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Spatial DBMS

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

Punkte	61,90
Rang	#19	Overall
	#13	Relational DBMS

Punkte	8,22
Rang	#50	Overall
	#32	Relational DBMS

Punkte	0,52
Rang	#256	Overall
	#117	Relational DBMS

Punkte	0,09
Rang	#351	Overall
	#47	Document Stores

Website

cloud.google.com/bigquery

www.h2database.com

www.postgres-xl.org

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

cloud.google.com/bigquery/docs

www.h2database.com/html/main.html

www.postgres-xl.org/documentation

www.xtdb.com/docs

Entwickler

Google

Thomas Mueller

Juxt Ltd.

Erscheinungsjahr

2010

2005

2014

seit 2012, ursprünglich genannt StormDB

2019

Aktuelle Version

2.2.220, Juli 2023

10 R1, Oktober 2018

1.19, September 2021

Lizenz

Commercial or Open Source

kommerziell

Open Source

dual-licence (Mozilla public license, Eclipse public license)

Open Source

Mozilla public license

Open Source

MIT License

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

Clojure

Server Betriebssysteme

gehostet

Alle Betriebssysteme mit einer Java VM

Linux
macOS

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

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

nein

XML type, but no XML query functionality

nein

Sekundärindizes

nein

SQL

Support of SQL

distributed, parallel query execution

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

RESTful HTTP/JSON API

JDBC
ODBC

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

HTTP REST
JDBC

Unterstützte Programmiersprachen

.Net
Java
JavaScript
Objective-C
PHP
Python
Ruby

Java

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

Clojure
Java

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

in JavaScript

Java Stored Procedures and User-Defined Functions

benutzerdefinierte Funktionen

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

horizontale Partitionierung

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

With clustering: 2 database servers on different computers operate on identical copies of a database

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Weil zur Abfrage von Daten gedacht

ACID

MVCC

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte (Owner, Writer, Reader) auf Dataset-, Tabellen- und View-Ebene

Google Cloud Identity & Access Management (IAM)

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

Drittanbieter

CData: Connect to Big Data & NoSQL through standard Drivers.
» mehr

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

PostgreSQL is the DBMS of the Year 2023
2. Januar 2024, Matthias Gelbmann, Paul Andlinger

Snowflake is the DBMS of the Year 2022, defending the title from last year
3. Januar 2023, Matthias Gelbmann, Paul Andlinger

Cloud-based DBMS's popularity grows at high rates
12. Dezember 2019, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Winning the 2020 Google Cloud Technology Partner of the Year – Infrastructure Modernization Award
20. Juli 2021, CIO

Google’s Logica language addresses SQL’s flaws
15. April 2021, InfoWorld

Hightouch Announces $38M in Funding and Launches New Customer 360 Toolkit
20. Juli 2023, Datanami

Hightouch Raises $38M in Funding
19. Juli 2023, FinSMEs

Benefits of a Hybrid Data Lake. How to combine a Data Warehouse with a… | by Christianlauer
14. Januar 2021, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk