DBMS > Greenplum vs. H2 vs. Machbase Neo vs. Pinecone

Vergleich der Systemeigenschaften Greenplum vs. H2 vs. Machbase Neo vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Analytic Database platform built on PostgreSQL. Full name is Pivotal Greenplum Database

A logical database in Greenplum is an array of individual PostgreSQL databases working together to present a single database image.

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

TimeSeries DBMS for AIoT and BigData

A managed, cloud-native vector database

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Vektor DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

Spatial DBMS

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

Punkte	9,23
Rang	#47	Overall
	#30	Relational DBMS

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

Punkte	0,22
Rang	#324	Overall
	#29	Time Series DBMS

Punkte	3,29
Rang	#94	Overall
	#2	Vektor DBMS

Website

Technische Dokumentation

docs.greenplum.org

www.h2database.com/html/main.html

machbase.com/dbms

docs.pinecone.io/docs/overview

Entwickler

Pivotal Software Inc.

Thomas Mueller

Machbase

Pinecone Systems, Inc

Erscheinungsjahr

2005

2013

2019

Aktuelle Version

7.0.0, September 2023

2.2.220, Juli 2023

V8.0, August 2023

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

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

kommerziell

free test version available

kommerziell

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

Server Betriebssysteme

Linux

Alle Betriebssysteme mit einer Java VM

Linux
macOS
Windows

gehostet

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

String, Number, Boolean

XML Unterstützung

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

seit Version 4.2

nein

Sekundärindizes

SQL

Support of SQL

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

gRPC
HTTP REST
JDBC
MQTT (Message Queue Telemetry Transport)
ODBC

RESTful HTTP API

Unterstützte Programmiersprachen

C
Java
Perl
Python
R

Java

C
C#
C++
Go
Java
JavaScript
PHP

via ODBC
Python
R

via ODBC
Scala

Python

Server-seitige Scripts

Stored Procedures

Java Stored Procedures and User-Defined Functions

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

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

selectable replication factor

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

ACID

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

yes, multi-version concurrency control (MVCC)

Durability

Dauerhafte Speicherung der Daten

nein

In-Memory Unterstützung

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

nein

volatile and lookup table

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

einfacher Passwort-basierter Zugriffsschutz

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

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

VMware Greenplum on AWS: Parallel Postgres for Enterprise Analytics at Scale | Amazon Web Services
9. September 2019, AWS Blog

1. Introducing the Greenplum Database - Data Warehousing with Greenplum [Book]
6. Dezember 2018, O'Reilly Media

RSA: EMC integrates Hadoop with Greenplum database
26. Februar 2013, DatacenterDynamics

Greenplum 6 ventures outside the analytic box | ZDNET
19. März 2019, ZDNet

Greenplum 6 review: Jack of all trades, master of some
7. November 2019, InfoWorld

bereitgestellt von Google News

“Luxembourg is a perfect target area”: Korean accelerator exec
27. Oktober 2022, Delano.lu

bereitgestellt von Google News

Pinecone’s new serverless database may see few takers, analysts say
17. Januar 2024, InfoWorld

Pinecone Brings Serverless To Vector Databases
16. Januar 2024, Forbes

Pinecone: New vector database architecture a 'breakthrough' to curb AI hallucinations
16. Januar 2024, VentureBeat

Reimagining Vector Databases for the Generative AI Era with Pinecone Serverless on AWS | Amazon Web Services
21. März 2024, AWS Blog

Pinecone’s vector database gets a new serverless architecture
16. Januar 2024, TechCrunch

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk