DBMS > Heroic vs. LevelDB vs. Postgres-XL vs. Vitess

Vergleich der Systemeigenschaften Heroic vs. LevelDB vs. Postgres-XL vs. Vitess

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

Embeddable fast key-value storage library that provides an ordered mapping from string keys to string values

Basiert auf PostgreSQL und ist um Clusterfähigkeiten (scale out) erweitert.

Scalable, distributed, cloud-native DBMS, extending MySQL

Primäres Datenbankmodell

Time Series DBMS

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

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

Punkte	2,35
Rang	#111	Overall
	#19	Key-Value Stores

Punkte	0,49
Rang	#256	Overall
	#117	Relational DBMS

Punkte	0,82
Rang	#209	Overall
	#97	Relational DBMS

Website

github.com/spotify/heroic

github.com/google/leveldb

www.postgres-xl.org

vitess.io

Technische Dokumentation

spotify.github.io/heroic

github.com/google/leveldb/blob/main/doc/index.md

www.postgres-xl.org/documentation

vitess.io/docs

Entwickler

Spotify

Google

The Linux Foundation, PlanetScale

Erscheinungsjahr

2014

2011

2014

seit 2012, ursprünglich genannt StormDB

2013

Aktuelle Version

1.23, Februar 2021

10 R1, Oktober 2018

15.0.2, December 2022

Lizenz

Commercial or Open Source

Open Source

Apache 2.0

Open Source

BSD

Open Source

Mozilla public license

Open Source

Apache Version 2.0, commercial licenses available

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

Illumos
Linux
OS X
Windows

Linux
macOS

Docker
Linux
macOS

Datenschema

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

XML type, but no XML query functionality

Sekundärindizes

via Elasticsearch

nein

SQL

Support of SQL

nein

distributed, parallel query execution

mit proprietären Erweiterungen

APIs und andere Zugriffskonzepte

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

ADO.NET
JDBC
native C library
ODBC
streaming API for large objects

ADO.NET
JDBC
MySQL protocol
ODBC

Unterstützte Programmiersprachen

C++
Go
Java

3rd party binding
JavaScript (Node.js)

3rd party binding
Python

3rd party binding

.Net
C
C++
Delphi
Erlang
Java
JavaScript (Node.js)
Perl
PHP
Python
Tcl

Ada
C
C#
C++
D
Delphi
Eiffel
Erlang
Haskell
Java
JavaScript (Node.js)
Objective-C
OCaml
Perl
PHP
Python
Ruby
Scheme
Tcl

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

proprietäre Syntax

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

horizontale Partitionierung

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

keine

Multi-Source Replikation
Source-Replica Replikation

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

Eventual Consistency across shards
Immediate Consistency within a shard

Fremdschlüssel

referenzielle Integrität

nein

nicht für MyISAM Storage Engine

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

MVCC

ACID at shard level

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Table Locks oder Row Locks abhängig von Storage Engine

Durability

Dauerhafte Speicherung der Daten

with automatic compression on writes

In-Memory Unterstützung

Gibt es Möglichkeiten einige oder alle Strukturen nur im Hauptspeicher zu halten

nein

Berechtigungskonzept

Zugriffskontrolle

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Benutzer mit feingranularem Berechtigungskonzept

keine Benutzergruppen oder Rollen

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

Pliops unveils XDP-Rocks for RocksDB – Blocks and Files
19. Oktober 2022, Blocks & Files

Microsoft Teams stores auth tokens as cleartext in Windows, Linux, Macs
14. September 2022, BleepingComputer

XanMod, Liquorix Kernels Offer Some Advantages On AMD Ryzen 5 Notebook
26. Juli 2021, Phoronix

Rust-Based Info Stealers Abuse GitHub Codespaces
19. Mai 2023, Trend Micro

Threat Thursday: BlackGuard Infostealer Rises from Russian Underground Markets
21. April 2022, BlackBerry Blog

bereitgestellt von Google News

PlanetScale Unveils Distributed MySQL Database Service Based on Vitess
18. Mai 2021, Datanami

PlanetScale grabs YouTube-developed open-source tech, promises Vitess DBaaS with on-the-fly schema changes
18. Mai 2021, The Register

With Vitess 4.0, database vendor matures cloud-native platform
13. November 2019, TechTarget

Massively Scaling MySQL Using Vitess
19. Februar 2019, InfoQ.com

They scaled YouTube -- now they’ll shard everyone with PlanetScale
13. Dezember 2018, TechCrunch

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk