DBMS > Google Cloud Bigtable vs. Heroic vs. Linter vs. MonetDB

Vergleich der Systemeigenschaften Google Cloud Bigtable vs. Heroic vs. Linter vs. MonetDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

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

RDBMS for high security requirements

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

Primäres Datenbankmodell

Key-Value Store
Wide Column Store

Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Spatial DBMS

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

Punkte	2,97
Rang	#92	Overall
	#15	Key-Value Stores
	#8	Wide Column Stores

Punkte	0,13
Rang	#335	Overall
	#29	Time Series DBMS

Punkte	0,03
Rang	#368	Overall
	#156	Relational DBMS

Punkte	1,72
Rang	#135	Overall
	#62	Relational DBMS

Website

cloud.google.com/bigtable

github.com/spotify/heroic

linter.ru

www.monetdb.org

Technische Dokumentation

cloud.google.com/bigtable/docs

spotify.github.io/heroic

www.monetdb.org/Documentation

Entwickler

Google

Spotify

relex.ru

MonetDB BV

Erscheinungsjahr

2015

2014

1990

2004

Aktuelle Version

Dec2023 (11.49), Dezember 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

kommerziell

Open Source

Mozilla Public License 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

C und C++

Server Betriebssysteme

gehostet

AIX
Android
BSD
HP Open VMS
iOS
Linux
OS X
VxWorks
Windows

FreeBSD
Linux
OS X
Solaris
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

XML Unterstützung

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

nein

Sekundärindizes

nein

via Elasticsearch

SQL

Support of SQL

nein

SQL 2003 mit einigen Erweiterungen

APIs und andere Zugriffskonzepte

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

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

ADO.NET
JDBC
LINQ
ODBC
OLE DB
Oracle Call Interface (OCI)

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

Unterstützte Programmiersprachen

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

C
C#
C++
Java
Perl
PHP
Python
Qt
Ruby
Tcl

C
C++
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby

Server-seitige Scripts

Stored Procedures

nein

proprietary syntax with the possibility to convert from PL/SQL

yes, in SQL, C, R

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding via remote tables

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

keine

Source-replica replication available in experimental status

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)

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

Atomic single-row operations

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

Access rights for users, groups and roles based on Google Cloud Identity and 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

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

Google Cloud adds graph processing to Spanner, SQL support to Bigtable
1. August 2024, InfoWorld

Google introduces Bigtable SQL access and Spanner's new AI-ready features
1. August 2024, ZDNet

Google's AI-First Strategy Brings Vector Support To Cloud Databases
1. März 2024, Forbes

Google Cloud Adds GenAI, Core Enhancements Across Data Platform
1. August 2024, The New Stack

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

bereitgestellt von Google News

MonetDB Foundation launched
31. Januar 2024, Centrum Wiskunde & Informatica (CWI)

PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R — Part I
6. April 2018, Data Science Central

How MonetDB/X100 Exploits Modern CPU Performance
14. Januar 2020, Towards Data Science

Test of Time Award for paper on vectorized execution
16. Januar 2024, Centrum Wiskunde & Informatica (CWI)

Monet DB The Column-Store Pioneer
4. September 2019, Open Source For You

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk