DBMS > atoti vs. Hawkular Metrics vs. LeanXcale vs. Splice Machine vs. Trafodion

Vergleich der Systemeigenschaften atoti vs. Hawkular Metrics vs. LeanXcale vs. Splice Machine vs. Trafodion

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

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

Kurzbeschreibung

An in-memory DBMS combining transactional and analytical processing to handle the aggregation of ever-changing data.

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

A highly scalable full ACID SQL database with fast NoSQL data ingestion and GIS capabilities

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

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Object oriented DBMS

Time Series DBMS

Key-Value Store
Relational DBMS

Relational DBMS

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

Punkte	0,56
Rang	#245	Overall
	#10	Object oriented DBMS

Punkte	0,00
Rang	#379	Overall
	#40	Time Series DBMS

Punkte	0,29
Rang	#291	Overall
	#41	Key-Value Stores
	#132	Relational DBMS

Punkte	0,54
Rang	#250	Overall
	#114	Relational DBMS

Website

Technische Dokumentation

docs.atoti.io

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

splicemachine.com/how-it-works

trafodion.apache.org/documentation.html

Entwickler

ActiveViam

Community supported by Red Hat

LeanXcale

Splice Machine

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2014

2015

2014

Aktuelle Version

3.1, March 2021

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

kommerziell

free versions available

Open Source

Apache 2.0

kommerziell

Open Source

AGPL 3.0, commercial license available

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

C++, Java

Server Betriebssysteme

Linux
OS X
Windows

Linux
OS X
Solaris
Windows

Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

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

Multidimensional Expressions (MDX)

nein

through Apache Derby

APIs und andere Zugriffskonzepte

HTTP REST

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

JDBC
Native Spark Datasource
ODBC

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

Go
Java
Python
Ruby

C
Java
Scala

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

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

Python

nein

Java

Java Stored Procedures

Triggers

via Hawkular Alerting

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding, horizontal partitioning

Sharding

basierend auf Cassandra

Shared Nothhing Auto-Sharding, Columnar Partitioning

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

basierend auf Cassandra

Multi-Source Replikation
Source-Replica Replikation

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Yes, via Full Spark Integration

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

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

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

Access rights for users, groups and roles according to SQL-standard

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

FRTB product of the year: ActiveViam
28. November 2023, Risk.net

bereitgestellt von Google News

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

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

How Splice Machine's Data Platform for Intelligent Apps Works
29. September 2020, eWeek

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

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