DBMS > HBase vs. HEAVY.AI vs. Microsoft Azure SQL Database vs. Oracle Berkeley DB vs. RocksDB

Vergleich der Systemeigenschaften HBase vs. HEAVY.AI vs. Microsoft Azure SQL Database vs. Oracle Berkeley DB vs. RocksDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Wide-Column Store basierend auf Apache Hadoop und auf Konzepten von BigTable

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

Relationaler Datenbankdienst aus der Cloud mit großer Kompatibilität zum Microsoft SQL Server

Weit verbreiteter In-Process Key-Value Store

Embeddable persistent key-value store optimized for fast storage (flash and RAM)

Primäres Datenbankmodell

Wide Column Store

Relational DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Key-Value Store

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Graph DBMS
Spatial DBMS

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

Punkte	30,50
Rang	#26	Overall
	#2	Wide Column Stores

Punkte	1,77
Rang	#141	Overall
	#65	Relational DBMS

Punkte	77,99
Rang	#16	Overall
	#11	Relational DBMS

Punkte	2,21
Rang	#117	Overall
	#20	Key-Value Stores
	#3	Native XML DBMS

Punkte	3,65
Rang	#85	Overall
	#11	Key-Value Stores

Website

hbase.apache.org

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

azure.microsoft.com/en-us/products/azure-sql/database

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

rocksdb.org

Technische Dokumentation

hbase.apache.org/book.html

docs.heavy.ai

docs.microsoft.com/en-us/azure/azure-sql

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

github.com/facebook/rocksdb/wiki

Entwickler

Apache Software Foundation

Apache Top-Level Projekt, ursprünglich entwickelt von Powerset

HEAVY.AI, Inc.

Microsoft

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Facebook, Inc.

Erscheinungsjahr

2008

2016

2010

1994

2013

Aktuelle Version

2.3.4, Jaenner 2021

5.10, Jänner 2022

V12

18.1.40, Mai 2020

8.11.4, April 2024

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2; enterprise edition available

kommerziell

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

Open Source

BSD

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

C++

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

C++

Server Betriebssysteme

Linux
Unix
Windows

mit Cygwin

Linux

gehostet

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux

Datenschema

schema-free, schema definition possible

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

options to bring your own types, AVRO

nein

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

nein

SQL

Support of SQL

nein

SQL Interface basierend auf SQLite verfügbar

nein

APIs und andere Zugriffskonzepte

Java API
RESTful HTTP API
Thrift

JDBC
ODBC
Thrift
Vega

ADO.NET
JDBC
ODBC

C++ API
Java API

Unterstützte Programmiersprachen

C
C#
C++
Groovy
Java
PHP
Python
Scala

All languages supporting JDBC/ODBC/Thrift
Python

.Net
C#
Java
JavaScript (Node.js)
PHP
Python
Ruby

.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

C
C++
Go
Java
Perl
Python
Ruby

Server-seitige Scripts

Stored Procedures

Coprocessors in Java

nein

Transact SQL

nein

Triggers

nein

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

keine

horizontal partitioning

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation
Source-Replica Replikation

Multi-Source Replikation

ja, immer mindestens 3 Replikas vorhanden

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

Single row ACID (across millions of columns)

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

Access Control Lists (ACL) for RBAC, integration with Apache Ranger for RBAC & ABAC

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

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

Drittanbieter

Speedb: A high performance RocksDB-compliant key-value store optimized for write-intensive workloads.
» mehr

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

Cloudera's HBase PaaS offering now supports Complex Transactions
11. August 2021, Krishna Maheshwari (sponsor)

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

PostgreSQL is the DBMS of the Year 2020
4. Januar 2021, Paul Andlinger, Matthias Gelbmann

Cloud-based DBMS's popularity grows at high rates
12. Dezember 2019, Paul Andlinger

The popularity of cloud-based DBMSs has increased tenfold in four years
7. Februar 2017, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Less Components, Higher Performance: Apache Doris instead of ClickHouse, MySQL, Presto, and HBase
20. Oktober 2023, hackernoon.com

HBase: The database big data left behind
6. Mai 2016, InfoWorld

Monitor Apache HBase on Amazon EMR using Amazon Managed Service for Prometheus and Amazon Managed ...
13. Februar 2023, AWS Blog

HydraBase – The evolution of HBase@Facebook - Engineering at Meta
5. Juni 2014, Facebook Engineering

HBase Tutorial
24. Februar 2023, Simplilearn

bereitgestellt von Google News

Big Data Analytics: A Game Changer for Infrastructure
13. Juli 2023, Spiceworks News and Insights

HEAVY.AI Launches HEAVY 7.0, Introducing Real-Time Machine Learning Capabilities
19. April 2023, Business Wire

Making the most of geospatial intelligence
14. April 2023, InfoWorld

OmniSci Gets HEAVY New Name and New CEO
1. März 2022, Datanami

The insideBIGDATA IMPACT 50 List for Q4 2023
11. Oktober 2023, insideBIGDATA

bereitgestellt von Google News

Public Preview: New Azure SQL Database skills introduced to Microsoft Copilot in Azure | Azure updates
21. Mai 2024, azure.microsoft.com

Copilot in Azure SQL Database in Private Preview
27. März 2024, InfoQ.com

Microsoft unveils Copilot for Azure SQL Database
27. März 2024, InfoWorld

Why migrate Windows Server and SQL Server to Azure: ROI, innovation, and free offers
25. April 2024, Microsoft

Azure SQL Database takes Saturday off on US east coast following network power failure
18. September 2023, The Register

bereitgestellt von Google News

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

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

The importance of bitcoin nodes and how to start one
9. Mai 2014, The Merkle News

bereitgestellt von Google News

Did Rockset Just Solve Real-Time Analytics?
25. August 2021, Datanami

Meta’s Velox Means Database Performance Is Not Subject To Interpretation
31. August 2022, The Next Platform

Linux 6.9 Drives AMD 4th Gen EPYC Performance Even Higher For Some Workloads
29. März 2024, Phoronix

The Journey to a Million Ops / Sec / Node in Venice
16. März 2024, InfoQ.com

Facebook's MyRocks Truly Rocks!
21. September 2020, Open Source For You

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk