DBMS > HEAVY.AI vs. JanusGraph vs. Oracle Berkeley DB vs. Postgres-XL vs. SpatiaLite

Vergleich der Systemeigenschaften HEAVY.AI vs. JanusGraph vs. Oracle Berkeley DB vs. Postgres-XL vs. SpatiaLite

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

A Graph DBMS optimized for distributed clusters

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

Weit verbreiteter In-Process Key-Value Store

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

Spatial extension of SQLite

Primäres Datenbankmodell

Relational DBMS

Graph DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Relational DBMS

Spatial DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Spatial DBMS

Relational DBMS

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

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

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

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

Punkte	0,49
Rang	#256	Overall
	#117	Relational DBMS

Punkte	1,60
Rang	#149	Overall
	#3	Spatial DBMS

Website

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

janusgraph.org

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

www.postgres-xl.org

www.gaia-gis.it/fossil/libspatialite/index

Technische Dokumentation

docs.heavy.ai

docs.janusgraph.org

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

www.postgres-xl.org/documentation

www.gaia-gis.it/gaia-sins/spatialite_topics.html

Entwickler

HEAVY.AI, Inc.

Linux Foundation; originally developed as Titan by Aurelius

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Alessandro Furieri

Erscheinungsjahr

2016

2017

1994

2014

seit 2012, ursprünglich genannt StormDB

2008

Aktuelle Version

5.10, Jänner 2022

0.6.3, Februar 2023

18.1.40, Mai 2020

10 R1, Oktober 2018

5.0.0, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache Version 2; enterprise edition available

Open Source

Apache 2.0

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

Open Source

Mozilla public license

Open Source

MPL 1.1, GPL v2.0 or LGPL v2.1

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

C++ and CUDA

Java

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

C++

Server Betriebssysteme

Linux

Linux
OS X
Unix
Windows

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux
macOS

serverlos

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

XML type, but no XML query functionality

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

SQL Interface basierend auf SQLite verfügbar

distributed, parallel query execution

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift
Vega

Java API
TinkerPop Blueprints
TinkerPop Frames
TinkerPop Gremlin
TinkerPop Rexster

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
Python

Clojure
Java
Python

.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

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

nein

Triggers

nein

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

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

keine

horizontale Partitionierung

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

via Faunus, a graph analytics engine

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Relationships in graphs

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

MVCC

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

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Benutzer Authentification und Sicherheit via Rexster Graph Server

nein

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

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

Spatial database management systems
6. April 2021, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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, businesswire.com

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

HEAVY.AI Partners with Bain, Maxar, and Nvidia to Provide Digital Twins for Telecom Networks
16. Februar 2023, Datanami

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

bereitgestellt von Google News

Simple Deployment of a Graph Database: JanusGraph | by Edward Elson Kosasih
12. Oktober 2020, Towards Data Science

Database Deep Dives: JanusGraph
8. August 2019, IBM

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

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

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

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

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

A Quick Look at Open Source Databases for Mobile App Development
29. April 2018, Open Source For You

Motorola A780 Linux based smartphone to have mobile database
14. September 2004, Geekzone

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk