DBMS > eXtremeDB vs. Heroic vs. Linter vs. ObjectBox

Vergleich der Systemeigenschaften eXtremeDB vs. Heroic vs. Linter vs. ObjectBox

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Natively in-memory DBMS with options for persistency, high-availability and clustering

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

RDBMS for high security requirements

Lightweight, fast on-device database for IoT, Mobile and Embedded devices, persisting and synchronising objects and vectors

Primäres Datenbankmodell

Relational DBMS
Time Series DBMS

Time Series DBMS

Relational DBMS

Object oriented DBMS
Vektor DBMS

Sekundäre Datenbankmodelle

Spatial DBMS

Time Series DBMS

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

Punkte	0,79
Rang	#212	Overall
	#100	Relational DBMS
	#18	Time Series DBMS

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

Punkte	0,03
Rang	#368	Overall
	#156	Relational DBMS

Punkte	1,08
Rang	#179	Overall
	#6	Object oriented DBMS
	#9	Vektor DBMS

Website

www.mcobject.com

github.com/spotify/heroic

linter.ru

github.com/objectbox
objectbox.io

Technische Dokumentation

www.mcobject.com/docs/extremedb.htm

spotify.github.io/heroic

docs.objectbox.io

Entwickler

McObject

Spotify

relex.ru

ObjectBox Limited

Erscheinungsjahr

2001

2014

1990

2017

Aktuelle Version

8.2, 2021

4.0 (May 2024)

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache 2.0

kommerziell

Bindings are released under Apache 2.0

Apache License 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

C und C++

Java

C und C++

Server Betriebssysteme

AIX
HP-UX
Linux
macOS
Solaris
Windows

AIX
Android
BSD
HP Open VMS
iOS
Linux
OS X
VxWorks
Windows

Android
Any POSIX system
Docker
iOS
Linux
macOS
QNX
Windows

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

support of XML interfaces available

nein

Sekundärindizes

via Elasticsearch

SQL

Support of SQL

with the option: eXtremeSQL

nein

APIs und andere Zugriffskonzepte

.NET Client API
JDBC
JNI
ODBC
Proprietäres Protokoll
RESTful HTTP API

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

ADO.NET
JDBC
LINQ
ODBC
OLE DB
Oracle Call Interface (OCI)

Proprietäres native API

Unterstützte Programmiersprachen

.Net
C
C#
C++
Java
Lua
Python
Scala

C
C#
C++
Java
Perl
PHP
Python
Qt
Ruby
Tcl

C
C++
Dart (Flutter)
Go
Java
Kotlin
Python
Swift

Server-seitige Scripts

Stored Procedures

nein

proprietary syntax with the possibility to convert from PL/SQL

nein

Triggers

by defining events

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

horizontale Partitionierung / sharding

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active Replication Fabric™ for IoT
Multi-Source Replikation

by means of eXtremeDB Cluster option
Source-Replica Replikation

by means of eXtremeDB High Availability option

Source-Replica Replikation

Data sync between devices allowing occasional connected databases to work completely offline

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Eventual Consistency
Immediate Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

nein

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Optimistic (MVCC) and pessimistic (locking) strategies available

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Weitere Informationen bereitgestellt vom Systemhersteller

Neuigkeiten

MongoDB Realm & Device Sync alternatives – ObjectBox
17. September 2024

Local AI – what it is and why we need it
11. September 2024

First on-device Vector Database (aka Semantic Index) for iOS
24. Juli 2024

Retrieval Augmented Generation (RAG) with vector databases: Expanding AI Capabilities
18. Juni 2024

The on-device Vector Database for Android and Java
29. Mai 2024

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

McObject
17. November 2021, Electronic Design

Latest embedded DBMS supports asymmetric multiprocessing systems
24. Mai 2023, Embedded

The Data in Hard Real-time SCADA Systems Lets Companies Do More with Less
11. August 2023, Automation.com

Interview: Jeff Chang And Steve Graves Cover In-Memory Databases
17. Dezember 2013, Electronic Design

Schneider Electric to collaborate with McObject
14. Oktober 2015, Construction Week Online

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk