DBMS > HEAVY.AI vs. Newts vs. NSDb vs. RDF4J

Vergleich der Systemeigenschaften HEAVY.AI vs. Newts vs. NSDb vs. RDF4J

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

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

Time Series DBMS basierend auf Cassandra

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

RDF Store

Sekundäre Datenbankmodelle

Spatial DBMS

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

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

Punkte	0,00
Rang	#385	Overall
	#40	Time Series DBMS

Punkte	0,00
Rang	#385	Overall
	#40	Time Series DBMS

Punkte	0,72
Rang	#222	Overall
	#9	RDF Stores

Website

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

opennms.github.io/newts

nsdb.io

rdf4j.org

Technische Dokumentation

docs.heavy.ai

github.com/OpenNMS/newts/wiki

nsdb.io/Architecture

rdf4j.org/documentation

Entwickler

HEAVY.AI, Inc.

OpenNMS Group

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Erscheinungsjahr

2016

2014

2017

2004

Aktuelle Version

5.10, Jänner 2022

Lizenz

Commercial or Open Source

Open Source

Apache Version 2; enterprise edition available

Open Source

Apache 2.0

Open Source

Apache Version 2.0

Open Source

Eclipse Distribution License (EDL), v1.0.

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

C++ and CUDA

Java

Java, Scala

Java

Server Betriebssysteme

Linux

Linux
OS X
Windows

Linux
macOS

Linux
OS X
Unix
Windows

Datenschema

schemafrei

RDF Schemas

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

XML Unterstützung

Verarbeitung von Daten in XML Format, beispielsweise Speicherung von XML-Strukturen und/oder Unterstützung von XPath, XQuery, XSLT

nein

Sekundärindizes

nein

all fields are automatically indexed

SQL

Support of SQL

nein

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift
Vega

HTTP REST
Java API

gRPC
HTTP REST
WebSocket

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
Python

Java

Java
Scala

Java
PHP
Python

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

Sharding

basierend auf Cassandra

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

frei wählbarer Replikationsfaktor

basierend auf Cassandra

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Isolation abhängig vom verwendeten API

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-memory Storage wird ebenfalls unterstützt

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

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

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

Teilen sie diese Seite mit ihrem Netzwerk