DBMS > GridGain vs. JanusGraph vs. Pinecone

Vergleich der Systemeigenschaften GridGain vs. JanusGraph vs. Pinecone

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

GridGain is an in-memory computing platform, built on Apache Ignite

A Graph DBMS optimized for distributed clusters

It was forked from the latest code base of Titan in January 2017

A managed, cloud-native vector database

Primäres Datenbankmodell

Key-Value Store
Relational DBMS

Graph DBMS

Vektor DBMS

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

Punkte	1,47
Rang	#154	Overall
	#26	Key-Value Stores
	#72	Relational DBMS

Punkte	1,94
Rang	#129	Overall
	#12	Graph DBMS

Punkte	3,16
Rang	#95	Overall
	#2	Vektor DBMS

Website

www.gridgain.com

janusgraph.org

www.pinecone.io

Technische Dokumentation

www.gridgain.com/docs/index.html

docs.janusgraph.org

docs.pinecone.io/docs/overview

Entwickler

GridGain Systems, Inc.

Linux Foundation; originally developed as Titan by Aurelius

Pinecone Systems, Inc

Erscheinungsjahr

2007

2017

2019

Aktuelle Version

GridGain 8.5.1

0.6.3, Februar 2023

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

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, C++, .Net

Java

Server Betriebssysteme

Linux
OS X
Solaris
Windows

Linux
OS X
Unix
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

nein

Sekundärindizes

SQL

Support of SQL

ANSI-99 for query and DML statements, subset of DDL

nein

APIs und andere Zugriffskonzepte

HDFS API
Hibernate
JCache
JDBC
ODBC
Propriätäres Protokoll
RESTful HTTP API
Spring Data

Java API
TinkerPop Blueprints
TinkerPop Frames
TinkerPop Gremlin
TinkerPop Rexster

RESTful HTTP API

Unterstützte Programmiersprachen

C#
C++
Java
PHP
Python
Ruby
Scala

Clojure
Java
Python

Python

Server-seitige Scripts

Stored Procedures

yes (compute grid and cache interceptors can be used instead)

Triggers

yes (cache interceptors and events)

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

depending on the used storage backend (e.g. Cassandra, HBase, BerkeleyDB)

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

yes (replicated cache)

MapReduce

Bietet ein API für Map/Reduce Operationen

yes (compute grid and hadoop accelerator)

via Faunus, a graph analytics engine

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Relationships in graphs

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Unterstützt verschiedene Storage Backends: Cassandra, HBase, Berkeley DB, Akiban, Hazelcast

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Security Hooks for custom implementations

Benutzer Authentification und Sicherheit via Rexster Graph Server

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

GridGain's 2023 Growth Positions Company for Strong 2024
25. Januar 2024, Datanami

GridGain in-memory data and generative AI – Blocks and Files
10. Mai 2024, Blocks & Files

GridGain Announces Call for Speakers for Virtual Apache Ignite Summit 2024
8. Februar 2024, PR Newswire

GridGain Adds Andy Sacks as Chief Revenue Officer, Promotes Lalit Ahuja to Chief Customer and Product Officer ...
17. Juli 2023, Yahoo Finance

GridGain: Product Overview and Analysis
5. Juni 2019, eWeek

bereitgestellt von Google News

JanusGraph Picks Up Where TitanDB Left Off
13. Januar 2017, Datanami

Database Deep Dives: JanusGraph
8. August 2019, IBM

From graph db to graph embedding. In 7 simple steps. | by Andy Greatorex
30. Juli 2020, Towards Data Science

Compose for JanusGraph arrives on Bluemix
15. September 2017, IBM

Nordstrom Builds Flexible Backend Ops with Kubernetes, Spark and JanusGraph
3. Oktober 2019, The New Stack

bereitgestellt von Google News

Pinecone launches serverless edition of its vector database on AWS
22. Mai 2024, SiliconANGLE News

Pinecone launches its serverless vector database out of preview
21. Mai 2024, TechCrunch

Pinecone Launches Serverless Vector Database for Scalable AI Applications
21. Mai 2024, Datanami

How a Decades-Old Technology and a Paper From Meta Created an AI Industry Standard
21. Mai 2024, The Wall Street Journal

Channel Brief: Dell Explains AI Factory, Informatica AI Research, Pinecone Goes Serverless and More
22. Mai 2024, Channel E2E

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk