DBMS > Heroic vs. Hive vs. Stardog vs. Tkrzw

Vergleich der Systemeigenschaften Heroic vs. Hive vs. Stardog vs. Tkrzw

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Time Series DBMS built at Spotify based on Cassandra or Google Cloud Bigtable, and ElasticSearch

Data Warehouse Software zum Abfragen und Verwalten großer verteilter Datenmengen beispielsweise in Hadoop

Enterprise Knowledge Graph platform and graph DBMS with high availability, high performance reasoning, and virtualization

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

Primäres Datenbankmodell

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

Punkte	0,51
Rang	#255	Overall
	#21	Time Series DBMS

Punkte	61,17
Rang	#18	Overall
	#12	Relational DBMS

Punkte	2,02
Rang	#123	Overall
	#11	Graph DBMS
	#6	RDF Stores

Punkte	0,00
Rang	#383	Overall
	#60	Key-Value Stores

Website

github.com/spotify/heroic

hive.apache.org

www.stardog.com

dbmx.net/tkrzw

Technische Dokumentation

spotify.github.io/heroic

cwiki.apache.org/confluence/display/Hive/Home

docs.stardog.com

Entwickler

Spotify

Apache Software Foundation

Ursprünglich von Facebook entwickelt

Stardog-Union

Mikio Hirabayashi

Erscheinungsjahr

2014

2012

2010

2020

Aktuelle Version

3.1.3, April 2022

7.3.0, Mai 2020

0.9.3, August 2020

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

Apache Version 2

kommerziell

60-day fully-featured trial license; 1-year fully-featured non-commercial use license for academics/students

Open Source

Apache Version 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++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux
macOS
Windows

Linux
macOS

Datenschema

schemafrei

schema-free and OWL/RDFS-schema support

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

Importieren/Exportieren von XML Daten möglich

nein

Sekundärindizes

via Elasticsearch

supports real-time indexing in full-text and geospatial

SQL

Support of SQL

nein

SQL-like DML and DDL statements

Yes, compatible with all major SQL variants through dedicated BI/SQL Server

nein

APIs und andere Zugriffskonzepte

HQL (Heroic Query Language, a JSON-based language)
HTTP API

JDBC
ODBC
Thrift

GraphQL query language
HTTP API
Jena RDF API
OWL
RDF4J API
Sesame REST HTTP Protocol
SNARL
SPARQL
Spring Data
Stardog Studio
TinkerPop 3

Unterstützte Programmiersprachen

C++
Java
PHP
Python

.Net
Clojure
Groovy
Java
JavaScript
Python
Ruby

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

nein

Benutzerdefinierte Funktion und Map-Reduce Integration

user defined functions and aggregates, HTTP Server extensions in Java

nein

Triggers

nein

via event handlers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

frei wählbarer Replikationsfaktor

Multi-Source Replikation in HA-Cluster

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Abfragen werden als MapReduce Jobs behandelt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency
Immediate Consistency

Eventual Consistency

Immediate Consistency in HA-Cluster

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Beziehungen in Graphen

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

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

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

Zugriffsrechte für Benutzer und Rollen

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

Why is Hadoop not listed in the DB-Engines Ranking?
13. Mai 2013, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Review: Google Bigtable scales with ease
7. September 2016, InfoWorld

bereitgestellt von Google News

ASF Unveils the Next Evolution of Big Data Processing With the Launch of Hive 4.0
2. Mai 2024, Datanami

Apache Software Foundation Announces Apache® Hive 4.0
30. April 2024, GlobeNewswire

Run Apache Hive workloads using Spark SQL with Amazon EMR on EKS | Amazon Web Services
18. Oktober 2023, AWS Blog

18 Top Big Data Tools and Technologies to Know About in 2024
24. Januar 2024, TechTarget

Top 80 Hadoop Interview Questions and Answers for 2024
15. Februar 2024, Simplilearn

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk