DBMS > Heroic vs. LeanXcale vs. Microsoft Azure Data Explorer

Vergleich der Systemeigenschaften Heroic vs. LeanXcale vs. Microsoft Azure Data Explorer

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

Fully managed big data interactive analytics platform

Primäres Datenbankmodell

Time Series DBMS

Key-Value Store
Relational DBMS

Relational DBMS

column oriented

Sekundäre Datenbankmodelle

Document Store

If a column is of type dynamic docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types/dynamic then it's possible to add arbitrary JSON documents in this cell
Event Store

this is the general usage pattern at Microsoft. Billing, Logs, Telemetry events are stored in ADX and the state of an individual entity is defined by the arg_max(timestamps)
Spatial DBMS
Suchmaschine

support for complex search expressions docs.microsoft.com/en-us/azure/kusto/query/parseoperator FTS, Geospatial docs.microsoft.com/en-us/azure/kusto/query/geo-point-to-geohash-function distributed search -> ADX acts as a distributed search engine
Time Series DBMS

see docs.microsoft.com/en-us/azure/data-explorer/time-series-analysis

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

Punkte	0,57
Rang	#250	Overall
	#21	Time Series DBMS

Punkte	0,35
Rang	#283	Overall
	#41	Key-Value Stores
	#128	Relational DBMS

Punkte	5,16
Rang	#69	Overall
	#37	Relational DBMS

Website

github.com/spotify/heroic

www.leanxcale.com

azure.microsoft.com/services/data-explorer

Technische Dokumentation

spotify.github.io/heroic

docs.microsoft.com/en-us/azure/data-explorer

Entwickler

Spotify

LeanXcale

Microsoft

Erscheinungsjahr

2014

2015

2019

Aktuelle Version

cloud service with continuous releases

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

kommerziell

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

gehostet

Datenschema

schemafrei

Fixed schema with schema-less datatypes (dynamic)

Typisierung

vordefinierte Datentypen, z.B. float oder date

bool, datetime, dynamic, guid, int, long, real, string, timespan, double: docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types

XML Unterstützung

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

nein

Sekundärindizes

via Elasticsearch

all fields are automatically indexed

SQL

Support of SQL

nein

through Apache Derby

Kusto Query Language (KQL), SQL subset

APIs und andere Zugriffskonzepte

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

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

Microsoft SQL Server communication protocol (MS-TDS)
RESTful HTTP API

Unterstützte Programmiersprachen

C
Java
Scala

.Net
Go
Java
JavaScript (Node.js)
PowerShell
Python
R

Server-seitige Scripts

Stored Procedures

nein

Yes, possible languages: KQL, Python, R

Triggers

nein

see docs.microsoft.com/en-us/azure/kusto/management/updatepolicy

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Implicit feature of the cloud service

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Spark connector (open source): github.com/Azure/azure-kusto-spark

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency
Immediate Consistency

Immediate Consistency

Eventual Consistency
Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

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

Azure Active Directory Authentication

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

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

bereitgestellt von Google News

Combining operational and analytical databases in a single platform
26. Mai 2017, Cordis News

bereitgestellt von Google News

Azure Data Explorer: Log and telemetry analytics benchmark
16. August 2022, azure.microsoft.com

Providing modern data transfer and storage service at Microsoft with Microsoft Azure - Inside Track Blog
13. Juli 2023, Microsoft

What is Microsoft Fabric? A big tech stack for big data
9. Februar 2024, InfoWorld

Azure Data Explorer and Stream Analytics for anomaly detection
16. Januar 2020, azure.microsoft.com

Controlling costs in Azure Data Explorer using down-sampling and aggregation
11. Februar 2019, azure.microsoft.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk