DBMS > H2GIS vs. Oracle Berkeley DB vs. Pinecone vs. PostGIS

Vergleich der Systemeigenschaften H2GIS vs. Oracle Berkeley DB vs. Pinecone vs. PostGIS

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Spatial extension of H2

Weit verbreiteter In-Process Key-Value Store

A managed, cloud-native vector database

Spatial extension of PostgreSQL

Primäres Datenbankmodell

Spatial DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Vektor DBMS

Spatial DBMS

Sekundäre Datenbankmodelle

Relational DBMS

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

Punkte	0,08
Rang	#368	Overall
	#7	Spatial DBMS

Punkte	2,01
Rang	#126	Overall
	#21	Key-Value Stores
	#3	Native XML DBMS

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

Punkte	21,72
Rang	#29	Overall
	#1	Spatial DBMS

Website

www.h2gis.org

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

www.pinecone.io

postgis.net

Technische Dokumentation

www.h2gis.org/docs/home

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

docs.pinecone.io/docs/overview

postgis.net/documentation

Entwickler

CNRS

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Pinecone Systems, Inc

Erscheinungsjahr

2013

1994

2019

2005

Aktuelle Version

18.1.40, Mai 2020

3.4.2, Februar 2024

Lizenz

Commercial or Open Source

Open Source

LGPL 3.0

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

kommerziell

Open Source

GPL v2.0

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

Server Betriebssysteme

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

gehostet

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

nein

String, Number, Boolean

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

nein

Sekundärindizes

SQL

Support of SQL

SQL Interface basierend auf SQLite verfügbar

nein

APIs und andere Zugriffskonzepte

RESTful HTTP API

Unterstützte Programmiersprachen

Java

.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

Python

Server-seitige Scripts

Stored Procedures

basierend auf H2

nein

benutzerdefinierte Funktionen

Triggers

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

keine

basierend auf PostgreSQL

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

basierend auf H2

Source-Replica Replikation

basierend auf PostgreSQL

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

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

Berechtigungskonzept

Zugriffskontrolle

basierend auf H2

nein

basierend auf PostgreSQL

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

ACM recognizes far-reaching technical achievements with special awards
26. Mai 2021, EurekAlert

Oracle buys Sleepycat Software
14. Februar 2006, MarketWatch

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

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

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

bereitgestellt von Google News

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

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

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

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

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

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk