DBMS > H2 vs. HEAVY.AI vs. Heroic vs. Kinetica

Vergleich der Systemeigenschaften H2 vs. HEAVY.AI vs. Heroic vs. Kinetica

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

A high performance, column-oriented RDBMS, specifically developed to harness the massive parallelism of modern CPU and GPU hardware

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

Fully vectorized database across both GPUs and CPUs

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Spatial DBMS
Time Series DBMS

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

Punkte	7,57
Rang	#47	Overall
	#30	Relational DBMS

Punkte	1,41
Rang	#153	Overall
	#71	Relational DBMS

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

Punkte	0,42
Rang	#261	Overall
	#120	Relational DBMS

Website

www.h2database.com

github.com/heavyai/heavydb
www.heavy.ai

github.com/spotify/heroic

www.kinetica.com

Technische Dokumentation

www.h2database.com/html/main.html

docs.heavy.ai

spotify.github.io/heroic

docs.kinetica.com

Entwickler

Thomas Mueller

HEAVY.AI, Inc.

Spotify

Kinetica

Erscheinungsjahr

2005

2016

2014

2012

Aktuelle Version

2.2.220, Juli 2023

5.10, Jänner 2022

7.1, August 2021

Lizenz

Commercial or Open Source

Open Source

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

Open Source

Apache Version 2; enterprise edition available

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++ and CUDA

Java

C, C++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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-like DML and DDL statements

APIs und andere Zugriffskonzepte

JDBC
ODBC

JDBC
ODBC
Thrift
Vega

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

JDBC
ODBC
RESTful HTTP API

Unterstützte Programmiersprachen

Java

All languages supporting JDBC/ODBC/Thrift
Python

C++
Java
JavaScript (Node.js)
Python

Server-seitige Scripts

Stored Procedures

Java Stored Procedures and User-Defined Functions

nein

benutzerdefinierte Funktionen

Triggers

nein

triggers when inserted values for one or more columns fall within a specified range

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

Sharding

Round robin

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

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

Multi-Source Replikation

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency or Eventual Consistency depending on configuration

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

In-Memory Unterstützung

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

nein

GPU vRAM or System RAM

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

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

Dr. Mike Flaxman, VP or Product Management at HEAVY.AI – Interview Series
19. September 2024, Unite.AI

5 Q’s for Mike Flaxman, Vice President of Heavy.AI
15. August 2024, Center for Data Innovation

HEAVY.AI Accelerates Big Data Analytics with Vultr's High-Performance GPU Cloud Infrastructure
11. September 2024, insideBIGDATA

HEAVY.AI Accelerates Big Data Analytics with Vultr’s High-Performance GPU Cloud Infrastructure
11. September 2024, insideBIGDATA

Meta delivers strong earnings, but weak guidance and heavy AI spending prompt investors to bail
24. April 2024, SiliconANGLE News

bereitgestellt von Google News

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica Delivers Real-Time Vector Similarity Search
21. März 2024, insideBIGDATA

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica: AI is a ‘killer app’ for data analytics
2. Mai 2023, Blocks & Files

Kinetica Taps Dell for Hardware
12. Juni 2018, Finovate

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk