DBMS > Google Cloud Firestore vs. Oracle Berkeley DB vs. SpaceTime vs. Sphinx vs. STSdb

Vergleich der Systemeigenschaften Google Cloud Firestore vs. Oracle Berkeley DB vs. SpaceTime vs. Sphinx vs. STSdb

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Cloud Firestore is an auto-scaling document database for storing, syncing, and querying data for mobile and web apps. It offers seamless integration with other Firebase and Google Cloud Platform products.

Weit verbreiteter In-Process Key-Value Store

SpaceTime ist ein Spatio-temporal DBMS mit Focus auf Performance.

Open Source Suchmaschine zum Suchen in Daten aus verschiedenen Quellen, u.a. relationalen Datenbanken

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

Primäres Datenbankmodell

Document Store

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Spatial DBMS

Suchmaschine

Key-Value Store

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	7,85
Rang	#51	Overall
	#8	Document Stores

Punkte	2,21
Rang	#117	Overall
	#20	Key-Value Stores
	#3	Native XML DBMS

Punkte	0,00
Rang	#383	Overall
	#7	Spatial DBMS

Punkte	5,98
Rang	#56	Overall
	#5	Suchmaschinen

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

Website

firebase.google.com/products/firestore

www.oracle.com/database/technologies/related/berkeleydb.html

www.mireo.com/spacetime

sphinxsearch.com

github.com/STSSoft/STSdb4

Technische Dokumentation

firebase.google.com/docs/firestore

docs.oracle.com/cd/E17076_05/html/index.html

sphinxsearch.com/docs

Entwickler

Google

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Mireo

Sphinx Technologies Inc.

STS Soft SC

Erscheinungsjahr

2017

1994

2020

2001

2011

Aktuelle Version

18.1.40, Mai 2020

3.5.1, Februar 2023

4.0.8, September 2015

Lizenz

Commercial or Open Source

kommerziell

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

kommerziell

Open Source

GPL Version 2, kommerzielle Lizenz erhältlich

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.

Implementierungssprache

C, Java, C++ (depending on the Berkeley DB edition)

C++

Server Betriebssysteme

gehostet

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux

FreeBSD
Linux
NetBSD
OS X
Solaris
Windows

Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

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

only with the Berkeley DB XML edition

nein

Sekundärindizes

nein

Full-Text Index auf allen Suchfeldern

nein

SQL

Support of SQL

nein

SQL Interface basierend auf SQLite verfügbar

A subset of ANSI SQL is implemented

SQL-like query language (SphinxQL)

nein

APIs und andere Zugriffskonzepte

Android
gRPC (using protocol buffers) API
iOS
JavaScript API
RESTful HTTP API

RESTful HTTP API

Proprietäres Protokoll

.NET Client API

Unterstützte Programmiersprachen

Go
Java
JavaScript
JavaScript (Node.js)
Objective-C
Python

.Net

Figaro is a .Net framework assembly that extends Berkeley DB XML into an embeddable database engine for .NET
Andere

Es gibt Libraries von Drittanbietern für zahlreiche Sprachen, die Berkeley DB Files bearbeiten können
C
C#
C++
Java
JavaScript (Node.js)

3rd party binding
Perl
Python
Tcl

C#
C++
Python

C++

inoffizielle Client Library
Java
Perl

inoffizielle Client Library
PHP
Python
Ruby

inoffizielle Client Library

C#
Java

Server-seitige Scripts

Stored Procedures

yes, Firebase Rules & Cloud Functions

nein

Triggers

yes, with Cloud Functions

only for the SQL API

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Fixed-grid hypercubes

Sharding

Aufteilung der Daten erfolgt manuell, Suchabfragen auf verteilten Index werden unterstützt.

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

Source-Replica Replikation

Real-time block device replication (DRBD)

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

Using Cloud Dataflow

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

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Der Originalinhalt von Feldern wird nicht im Sphinx-Index gespeichert.

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. Security Rules for 3rd party authentication using Firebase Auth.

nein

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

DB-Engines Blog Posts

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

alle anzeigen

The DB-Engines ranking includes now search engines
4. Februar 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

Realtime vs Cloud Firestore: Which Firebase Database to go?
8. März 2024, Appinventiv

Google's Cloud Firestore is now generally available
31. Januar 2019, ZDNet

Google launches Cloud Firestore, a new document database for app developers
3. Oktober 2017, TechCrunch

Google's Cloud-Native NoSQL Database Cloud Firestore Is Now Generally Available
8. Februar 2019, InfoQ.com

bereitgestellt von Google News

ACM recognizes far-reaching technical achievements with special awards
26. Mai 2021, EurekAlert

Database Trends Report: SQL Beats NoSQL, MySQL Most Popular -- ADTmag
5. März 2019, ADT Magazine

The importance of bitcoin nodes and how to start one
9. Mai 2014, The Merkle News

The stable version of AlmaLinux 9.0 has already been released
26. Mai 2022, Linux Adictos

bereitgestellt von Google News

Switching From Sphinx to MkDocs Documentation — What Did I Gain and Lose
2. Februar 2024, Towards Data Science

Manticore is a Faster Alternative to Elasticsearch in C++
25. Juli 2022, hackernoon.com

Perplexity AI: From Its Use To Operation, Everything You Need To Know About Googles Newest Challenger
11. Januar 2024, Free Press Journal

The Pirate Bay was recently down for over a week due to a DDoS attack
29. Oktober 2019, The Hacker News

Beyond the Concert Hall: 5 Organizations Making a Difference in Classical Music in 2018 | WQXR Editorial
22. Dezember 2018, WQXR Radio

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk