DBMS > Hive vs. NSDb vs. Pinecone vs. SwayDB vs. Transbase

Vergleich der Systemeigenschaften Hive vs. NSDb vs. Pinecone vs. SwayDB vs. Transbase

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

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

Scalable, High-performance Time Series DBMS designed for Real-time Analytics on top of Kubernetes

A managed, cloud-native vector database

An embeddable, non-blocking, type-safe key-value store for single or multiple disks and in-memory storage

A resource-optimized, high-performance, universally applicable RDBMS

Primäres Datenbankmodell

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

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

Punkte	0,00
Rang	#383	Overall
	#41	Time Series DBMS

Punkte	3,16
Rang	#95	Overall
	#2	Vektor DBMS

Punkte	0,00
Rang	#382	Overall
	#59	Key-Value Stores

Punkte	0,11
Rang	#341	Overall
	#150	Relational DBMS

Website

www.transaction.de/en/products/transbase.html

Technische Dokumentation

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

nsdb.io/Architecture

docs.pinecone.io/docs/overview

www.transaction.de/en/products/transbase/features.html

Entwickler

Apache Software Foundation

Ursprünglich von Facebook entwickelt

Pinecone Systems, Inc

Simer Plaha

Transaction Software GmbH

Erscheinungsjahr

2012

2017

2019

2018

1987

Aktuelle Version

3.1.3, April 2022

Transbase 8.3, 2022

Lizenz

Commercial or Open Source

Open Source

Apache Version 2

Open Source

Apache Version 2.0

kommerziell

Open Source

GNU Affero GPL V3.0

kommerziell

Development Lizenz gratis

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

Java, Scala

Scala

C und C++

Server Betriebssysteme

Alle Betriebssysteme mit einer Java VM

Linux
macOS

gehostet

FreeBSD
Linux
macOS
Solaris
Windows

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

String, Number, Boolean

nein

XML Unterstützung

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

nein

Sekundärindizes

all fields are automatically indexed

nein

SQL

Support of SQL

SQL-like DML and DDL statements

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
Thrift

gRPC
HTTP REST
WebSocket

RESTful HTTP API

ADO.NET
JDBC
ODBC
Proprietäres native API

Unterstützte Programmiersprachen

C++
Java
PHP
Python

Java
Scala

Python

Java
Kotlin
Scala

C
C#
C++
Java
JavaScript
Kotlin
Objective-C
PHP
Python

Server-seitige Scripts

Stored Procedures

Benutzerdefinierte Funktion und Map-Reduce Integration

nein

Triggers

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

keine

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

Abfragen werden als MapReduce Jobs behandelt

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Atomic execution of operations

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

Using Apache Lucene

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer, Gruppen und Rollen

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

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

alle anzeigen

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

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

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

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

What Is Apache Iceberg?
26. Februar 2024, IBM

bereitgestellt von Google News

Pinecone launches serverless edition of its vector database on AWS
22. Mai 2024, SiliconANGLE News

Pinecone Makes Accurate, Fast, Scalable Generative AI Accessible to Organizations Large and Small with Launch of ...
21. Mai 2024, PR Newswire

Pinecone launches its serverless vector database out of preview
21. Mai 2024, TechCrunch

How a Decades-Old Technology and a Paper From Meta Created an AI Industry Standard
21. Mai 2024, The Wall Street Journal

Channel Brief: Dell Explains AI Factory, Informatica AI Research, Pinecone Goes Serverless and More
22. Mai 2024, Channel E2E

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk