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

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

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

Weit verbreiteter In-Process Key-Value Store

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

Primäres Datenbankmodell

Relational DBMS

Key-Value Store

unterstützt sortierte und unsortierte Key Sets
Native XML DBMS

in the Oracle Berkeley DB XML version

Relational DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Document Store
Spatial DBMS

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

Punkte	2,68
Rang	#123	Overall
	#61	Relational DBMS

Punkte	3,24
Rang	#102	Overall
	#19	Key-Value Stores
	#3	Native XML DBMS

Punkte	0,71
Rang	#251	Overall
	#118	Relational DBMS

Website

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

www.oracle.com/technetwork/database/database-technologies/berkeleydb/overview/index.html

www.postgres-xl.org

Technische Dokumentation

docs.heavy.ai

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

www.postgres-xl.org/documentation

Entwickler

HEAVY.AI, Inc.

Oracle

ursprünglich von Sleepycat entwickelt, von Oracle aufgekauft

Erscheinungsjahr

2016

1994

2014

seit 2012, ursprünglich genannt StormDB

Aktuelle Version

5.10, Jänner 2022

18.1.40, Mai 2020

10 R1, Oktober 2018

Lizenz

Commercial or Open Source

Open Source

Apache Version 2; enterprise edition available

Open Source

Kommerzielle Lizenz verfügbar bei Bedarf

Open Source

Mozilla public license

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

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

Server Betriebssysteme

Linux

AIX
Android
FreeBSD
iOS
Linux
OS X
Solaris
VxWorks
Windows

Linux
macOS

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

Sekundärindizes

nein

SQL

Support of SQL

SQL Interface basierend auf SQLite verfügbar

distributed, parallel query execution

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift
Vega

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

Unterstützte Programmiersprachen

All languages supporting JDBC/ODBC/Thrift
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

Triggers

nein

only for the SQL API

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Round robin

keine

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Multi-Source Replikation

Source-Replica Replikation

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

nein

ACID

MVCC

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend 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

Erwähnungen in aktuellen Nachrichten

The insideBIGDATA IMPACT 50 List for Q1 2023
17. Januar 2023, insideBIGDATA

The insideBIGDATA IMPACT 50 List for Q4 2022
12. Oktober 2022, insideBIGDATA

GPU Database Global Market Report 2022: Increasing Preference of ...
9. November 2022, businesswire.com

Leveraging the fall of crypto mining
17. Dezember 2022, VentureBeat

Geospatial data a key means of combating climate change
18. August 2022, TechTarget

bereitgestellt von Google News

Lowcountry NFL Update - Week 7
26. Oktober 2022, Live 5 News WCSC

Oracle switches Berkeley DB license
5. Juli 2013, InfoWorld

Lowcountry NFL Update (Week 3)
29. September 2022, Live 5 News WCSC

Lowcountry NFL Update (Week 8)
1. November 2022, Live 5 News WCSC

Lowcountry NFL Update (Week 4)
9. Oktober 2022, Live 5 News WCSC

bereitgestellt von Google News

Building a scalable PostgreSQL solution
14. April 2019, Packt Hub

bereitgestellt von Google News

Jobangebote

Senior Data Analyst (Remote)
Cambridge Technology Enterprises (CTE), Remote

Senior Big Data Engineer (Remote)
Cambridge Technology Enterprises (CTE), Remote

jobs by

Teilen sie diese Seite mit ihrem Netzwerk