DBMS > H2 vs. Pinecone vs. Sadas Engine vs. Splice Machine

Vergleich der Systemeigenschaften H2 vs. Pinecone vs. Sadas Engine vs. Splice Machine

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 managed, cloud-native vector database

SADAS Engine is a columnar DBMS specifically designed for high performance in data warehouse environments

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

Primäres Datenbankmodell

Relational DBMS

Vektor DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

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

Punkte	8,33
Rang	#46	Overall
	#30	Relational DBMS

Punkte	3,23
Rang	#92	Overall
	#3	Vektor DBMS

Punkte	0,07
Rang	#373	Overall
	#157	Relational DBMS

Punkte	0,54
Rang	#252	Overall
	#115	Relational DBMS

Website

Technische Dokumentation

www.h2database.com/html/main.html

docs.pinecone.io/docs/overview

www.sadasengine.com/en/sadas-engine-download-free-trial-and-documentation/#documentation

splicemachine.com/how-it-works

Entwickler

Thomas Mueller

Pinecone Systems, Inc

SADAS s.r.l.

Splice Machine

Erscheinungsjahr

2005

2019

2006

2014

Aktuelle Version

2.2.220, Juli 2023

8.0

3.1, March 2021

Lizenz

Commercial or Open Source

Open Source

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

kommerziell

free trial version available

Open Source

AGPL 3.0, commercial license available

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++

Java

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

gehostet

AIX
Linux
Windows

Linux
OS X
Solaris
Windows

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

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC

RESTful HTTP API

JDBC
ODBC
Proprietäres Protokoll

JDBC
Native Spark Datasource
ODBC

Unterstützte Programmiersprachen

Java

Python

.Net
C
C#
C++
Groovy
Java
PHP
Python

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

Server-seitige Scripts

Stored Procedures

Java Stored Procedures and User-Defined Functions

nein

Java

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

horizontale Partitionierung

Shared Nothhing Auto-Sharding, Columnar Partitioning

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

keine

Multi-Source Replikation
Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

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

managed by 'Learn by Usage'

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Access rights for users, groups and roles according to SQL-standard

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

PostgreSQL is Now Faster than Pinecone, 75% Cheaper, with New Open Source Extensions
11. Juni 2024, PR Newswire

Pinecone launches its serverless vector database out of preview
14. Juni 2024, Yahoo Movies UK

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

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

A New Era AI Databases: PostgreSQL with pgvectorscale Outperforms Pinecone and Cuts Costs by 75% with New Open-Source Extensions
12. Juni 2024, MarkTechPost

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

Real-time machine learning with Splice Machine's ML Manager
17. April 2019, TechTarget

How To Axe Db2 But Keep Your Code
10. März 2020, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk