DBMS > IBM Db2 Event Store vs. JaguarDB vs. Kinetica vs. Tkrzw

Vergleich der Systemeigenschaften IBM Db2 Event Store vs. JaguarDB vs. Kinetica vs. Tkrzw

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Distributed Event Store optimized for Internet of Things use cases

Performant, highly scalable DBMS for AI and IoT applications

Fully vectorized database across both GPUs and CPUs

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

Primäres Datenbankmodell

Event Store
Time Series DBMS

Key-Value Store
Vektor DBMS

Relational DBMS

Key-Value Store

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

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

Punkte	0,18
Rang	#315	Overall
	#2	Event Stores
	#26	Time Series DBMS

Punkte	0,00
Rang	#385	Overall
	#61	Key-Value Stores
	#16	Vektor DBMS

Punkte	0,42
Rang	#261	Overall
	#120	Relational DBMS

Punkte	0,00
Rang	#385	Overall
	#61	Key-Value Stores

Website

www.ibm.com/products/db2-event-store

www.jaguardb.com

www.kinetica.com

dbmx.net/tkrzw

Technische Dokumentation

www.ibm.com/docs/en/db2-event-store

www.jaguardb.com/support.html

docs.kinetica.com

Entwickler

IBM

DataJaguar, Inc.

Kinetica

Mikio Hirabayashi

Erscheinungsjahr

2017

2015

2012

2020

Aktuelle Version

2.0

3.3 July 2023

7.1, August 2021

0.9.3, August 2020

Lizenz

Commercial or Open Source

kommerziell

free developer edition available

Open Source

GPL V3.0

kommerziell

Open Source

Apache Version 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++

C++

the server part. Clients available in other languages

C, C++

C++

Server Betriebssysteme

Linux

Linux, macOS, Windows for the developer addition

Linux

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

Sekundärindizes

nein

SQL

Support of SQL

through the embedded Spark runtime

A subset of ANSI SQL is implemented

but no views, foreign keys, triggers

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

JDBC
ODBC

JDBC
ODBC
RESTful HTTP API

Unterstützte Programmiersprachen

C
C#
C++
Cobol
Delphi
Fortran
Go
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby
Scala
Visual Basic

C
C++
Go
Java
JavaScript (Node.js)
PHP
Python
Ruby
Scala

C++
Java
JavaScript (Node.js)
Python

C++
Java
Python
Ruby

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

nein

Triggers

nein

triggers when inserted values for one or more columns fall within a specified range

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active-active shard replication

Multi-Source Replikation

Source-Replica Replikation

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency or Eventual Consistency depending on configuration

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

No - written data is immutable

Durability

Dauerhafte Speicherung der Daten

Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage

In-Memory Unterstützung

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

nein

GPU vRAM or System RAM

using specific database classes

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Rechteverwaltung mit Benutzeraccounts

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

nein

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

Mudhakar Srivatsa
11. Dezember 2023, IBM Research

Best cloud databases of 2022
4. Oktober 2022, ITPro

IBM Confronts AI Resistance
23. Oktober 2019, RTInsights

Why a robust data management strategy is essential today | IBM HDM
19. September 2019, Express Computer

How IBM Is Turning Db2 into an ‘AI Database’
3. Juni 2019, Datanami

bereitgestellt von Google News

Kinetica Elevates RAG with Fast Access to Real-Time Data
26. März 2024, Datanami

Kinetica Delivers Real-Time Vector Similarity Search
21. März 2024, insideBIGDATA

Kinetica Launches Generative AI Solution for Real-Time Inferencing Powered by NVIDIA AI Enterprise
18. März 2024, GlobeNewswire

Kinetica ramps up RAG for generative AI, empowering enterprises with real-time operational data
18. März 2024, SiliconANGLE News

Kinetica: AI is a ‘killer app’ for data analytics
2. Mai 2023, Blocks & Files

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk