DBMS > Hawkular Metrics vs. Hyprcubd vs. Splice Machine vs. SwayDB vs. Trafodion

Vergleich der Systemeigenschaften Hawkular Metrics vs. Hyprcubd vs. Splice Machine vs. SwayDB vs. Trafodion

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Hyprcubd seems to be discontinued. Therefore it is excluded from the DB-Engines ranking.

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Hawkular metrics is the metric storage of the Red Hat sponsored Hawkular monitoring system. It is based on Cassandra.

Open-Source SQL RDBMS for Operational and Analytical use cases with native Machine Learning, powered by Hadoop and Spark

An embeddable, non-blocking, type-safe key-value store for single or multiple disks and in-memory storage

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

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

Punkte	0,08
Rang	#366	Overall
	#39	Time Series DBMS

Punkte	0,54
Rang	#252	Overall
	#115	Relational DBMS

Punkte	0,04
Rang	#387	Overall
	#61	Key-Value Stores

Website

www.hawkular.org

hyprcubd.com (offline)

splicemachine.com

swaydb.simer.au

trafodion.apache.org

Technische Dokumentation

www.hawkular.org/hawkular-metrics/docs/user-guide

splicemachine.com/how-it-works

trafodion.apache.org/documentation.html

Entwickler

Community supported by Red Hat

Hyprcubd, Inc.

Splice Machine

Simer Plaha

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2014

2018

2014

Aktuelle Version

3.1, March 2021

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

AGPL 3.0, commercial license available

Open Source

GNU Affero GPL V3.0

Open Source

Apache 2.0

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

Scala

C++, Java

Server Betriebssysteme

Linux
OS X
Windows

gehostet

Linux
OS X
Solaris
Windows

Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

time, int, uint, float, string

nein

XML Unterstützung

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

nein

Sekundärindizes

nein

SQL

Support of SQL

nein

SQL-like query language

nein

APIs und andere Zugriffskonzepte

HTTP REST

gRPC (https)

JDBC
Native Spark Datasource
ODBC

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

Go
Java
Python
Ruby

C#
C++
Java
JavaScript (Node.js)
Python
R
Scala

Java
Kotlin
Scala

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

nein

Java

nein

Java Stored Procedures

Triggers

via Hawkular Alerting

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

basierend auf Cassandra

Shared Nothhing Auto-Sharding, Columnar Partitioning

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

Multi-Source Replikation
Source-Replica Replikation

keine

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

basierend auf Cassandra
Immediate Consistency

basierend auf Cassandra

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Atomic execution of operations

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

nein

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

nein

token access

Access rights for users, groups and roles according to 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

Waiting for Red Hat OpenShift 4.0? Too late, 4.1 has already arrived… • DEVCLASS
5. Juni 2019, DevClass

bereitgestellt von Google News

Machine learning data pipeline outfit Splice Machine files for insolvency
26. August 2021, The Register

Splice Machine Launches the Splice Machine Feature Store to Simplify Feature Engineering and Democratize Machine ...
19. Januar 2021, PR Newswire

Distributed SQL System Review: Snowflake vs Splice Machine
18. September 2019, Towards Data Science

Splice Machine Launches Feature Store to Simplify Feature Engineering
19. Januar 2021, Datanami

ETL: The Silent Killer of Big Data Projects
23. Juli 2015, insideBIGDATA

bereitgestellt von Google News

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

Low-latency, distributed database architectures are critical for emerging fog applications
7. April 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk