DBMS > Graphite vs. OpenMLDB vs. Oracle Berkeley DB

Vergleich der Systemeigenschaften Graphite vs. OpenMLDB vs. Oracle Berkeley DB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Data logging and graphing tool for time series data

The storage layer (fixed size database) is called Whisper

An open-source machine learning database that provides a feature platform for training and inference

Weit verbreiteter In-Process Key-Value Store

Primäres Datenbankmodell

Time Series DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	5,19
Rang	#62	Overall
	#4	Time Series DBMS

Punkte	0,11
Rang	#339	Overall
	#30	Time Series DBMS

Punkte	1,88
Rang	#130	Overall
	#23	Key-Value Stores
	#3	Native XML DBMS

Website

github.com/graphite-project/graphite-web

openmldb.ai

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

Technische Dokumentation

graphite.readthedocs.io

openmldb.ai/docs/zh/main

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

Entwickler

Chris Davis

4 Paradigm Inc.

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Erscheinungsjahr

2006

2020

1994

Aktuelle Version

2024-2 February 2024

18.1.40, Mai 2020

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

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

Python

C++, Java, Scala

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

Server Betriebssysteme

Linux
Unix

Linux

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Datenschema

Fixed schema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numeric data only

nein

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

Sekundärindizes

nein

SQL

Support of SQL

nein

SQL Interface basierend auf SQLite verfügbar

APIs und andere Zugriffskonzepte

HTTP API
Sockets

JDBC
SQLAlchemy

Unterstützte Programmiersprachen

JavaScript (Node.js)
Python

C++
Go
Java
Python
Scala

.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

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

horizontal partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

keine

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

locking

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

nein

fine grained access rights according to SQL-standard

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

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

Erwähnungen in aktuellen Nachrichten

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

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

Real-Time Performance and Health Monitoring Using Netdata
2. September 2019, CNX Software

Collecting, storing, and analyzing your DevOps workloads with open-source Telegraf, Amazon Timestream, and Grafana
25. November 2020, AWS Blog

bereitgestellt von Google News

MLOp practice: using OpenMLDB in the real-time anti-fraud model for the bank's online transaction
23. August 2021, Towards Data Science

Predictive maintenance — 5minutes demo of an end to end machine learning project
13. August 2021, Towards Data Science

Compared to Native Spark 3.0, We Have Achieved Significant Optimization Effects in the AI
3. August 2021, Towards Data Science

bereitgestellt von Google News

What is NoSQL (Not Only SQL database)?
28. Februar 2022, TechTarget

Margo I. Seltzer
18. August 2020, Berkman Klein Center

Oracle acquires Sleepycat for code
17. August 2016, East Bay Times

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

How to store financial market data for backtesting
26. Januar 2019, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk