DBMS > Heroic vs. InfinityDB vs. MonetDB vs. Realm

Vergleich der Systemeigenschaften Heroic vs. InfinityDB vs. MonetDB vs. Realm

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

A Java embedded Key-Value Store which extends the Java Map interface

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

A DBMS built for use on mobile devices that’s a fast, easy to use alternative to SQLite and Core Data

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	0,13
Rang	#335	Overall
	#29	Time Series DBMS

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

Punkte	1,72
Rang	#135	Overall
	#62	Relational DBMS

Punkte	7,18
Rang	#52	Overall
	#8	Document Stores

Website

github.com/spotify/heroic

boilerbay.com

www.monetdb.org

realm.io

Technische Dokumentation

spotify.github.io/heroic

boilerbay.com/infinitydb/manual

www.monetdb.org/Documentation

realm.io/docs

Entwickler

Spotify

Boiler Bay Inc.

MonetDB BV

Realm, acquired by MongoDB in May 2019

Erscheinungsjahr

2014

2002

2004

2014

Aktuelle Version

4.0

Dec2023 (11.49), Dezember 2023

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

Open Source

Mozilla Public License 2.0

Open Source

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

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

FreeBSD
Linux
OS X
Solaris
Windows

Android
Backend: serverlos
iOS
Windows

Datenschema

schemafrei

nested virtual Java Maps, multi-value, logical â€˜tuple spaceâ€™ runtime Schema upgrade

Typisierung

vordefinierte Datentypen, z.B. float oder date

all Java primitives, Date, CLOB, BLOB, huge sparse arrays

XML Unterstützung

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

nein

Sekundärindizes

via Elasticsearch

nein

manual creation possible, using inversions based on multi-value capability

SQL

Support of SQL

nein

SQL 2003 mit einigen Erweiterungen

nein

APIs und andere Zugriffskonzepte

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

Access via java.util.concurrent.ConcurrentNavigableMap Interface
Proprietary API to InfinityDB ItemSpace (boilerbay.com/docs/ItemSpaceDataStructures.htm)

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

Unterstützte Programmiersprachen

Java

C
C++
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby

.Net
Java

with Android only
Objective-C
React Native
Swift

Server-seitige Scripts

Stored Procedures

nein

yes, in SQL, C, R

nein

runs within the applications so server-side scripts are unnecessary

Triggers

nein

Change Listeners

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding via remote tables

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Source-replica replication available in experimental status

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency
Immediate Consistency

Immediate Consistency

READ-COMMITTED or SERIALIZED

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

manual creation possible, using inversions based on multi-value capability

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

Optimistic locking for transactions; no isolation for bulk loads

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

In-Memory realm

Berechtigungskonzept

Zugriffskontrolle

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

DB-Engines Blog Posts

MySQL, PostgreSQL and Redis are the winners of the March ranking
2. März 2016, Paul Andlinger

alle anzeigen

Erwähnungen in aktuellen Nachrichten

MonetDB Foundation launched
31. Januar 2024, Centrum Wiskunde & Informatica (CWI)

PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R — Part I
6. April 2018, Data Science Central

How MonetDB/X100 Exploits Modern CPU Performance
14. Januar 2020, Towards Data Science

Test of Time Award for paper on vectorized execution
16. Januar 2024, Centrum Wiskunde & Informatica (CWI)

Monet DB The Column-Store Pioneer
4. September 2019, Open Source For You

bereitgestellt von Google News

Is Swift the Future of Server-side Development?
12. September 2017, Solutions Review

Java Synthetic Methods — What are these ?
27. Februar 2021, DataDrivenInvestor

Kotlin Programming Language Will Surpass Java On Android Next Year
15. Oktober 2017, Fossbytes

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk