DBMS > IBM Db2 Event Store vs. LMDB vs. NSDb vs. Postgres-XL

Vergleich der Systemeigenschaften IBM Db2 Event Store vs. LMDB vs. NSDb vs. Postgres-XL

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

A high performant, light-weight, embedded key-value database library

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

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

Primäres Datenbankmodell

Event Store
Time Series DBMS

Key-Value Store

Time Series DBMS

Relational DBMS

Sekundäre Datenbankmodelle

Document Store
Spatial DBMS

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

Punkte	0,27
Rang	#309	Overall
	#2	Event Stores
	#28	Time Series DBMS

Punkte	2,09
Rang	#121	Overall
	#20	Key-Value Stores

Punkte	0,08
Rang	#369	Overall
	#40	Time Series DBMS

Punkte	0,53
Rang	#254	Overall
	#117	Relational DBMS

Website

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

www.symas.com/symas-embedded-database-lmdb

nsdb.io

www.postgres-xl.org

Technische Dokumentation

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

www.lmdb.tech/doc

nsdb.io/Architecture

www.postgres-xl.org/documentation

Entwickler

IBM

Symas

Erscheinungsjahr

2017

2011

2017

2014

seit 2012, ursprünglich genannt StormDB

Aktuelle Version

2.0

0.9.32, Jaenner 2024

10 R1, Oktober 2018

Lizenz

Commercial or Open Source

kommerziell

free developer edition available

Open Source

Apache Version 2.0

Open Source

Mozilla public license

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, Scala

Server Betriebssysteme

Linux

Linux, macOS, Windows for the developer addition

Linux
Unix
Windows

Linux
macOS

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

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

nein

all fields are automatically indexed

SQL

Support of SQL

through the embedded Spark runtime

nein

SQL-like query language

distributed, parallel query execution

APIs und andere Zugriffskonzepte

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

gRPC
HTTP REST
WebSocket

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

Unterstützte Programmiersprachen

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

.Net
C
C++
Clojure
Go
Haskell
Java
JavaScript (Node.js)
Lisp
Lua
MatLab
Nim
Objective C
OCaml
Perl
PHP
Python
R
Ruby
Rust
Swift
Tcl

Java
Scala

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

Server-seitige Scripts

Stored Procedures

nein

benutzerdefinierte Funktionen

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

keine

Sharding

horizontale Partitionierung

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active-active shard replication

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency

Immediate Consistency

Eventual Consistency

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

ACID

MVCC

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

Using Apache Lucene

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

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

Erwähnungen in aktuellen Nachrichten

Advancements in streaming data storage, real-time analysis and machine learning
25. Juli 2019, IBM

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

Best cloud databases of 2022
4. Oktober 2022, ITPro

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

bereitgestellt von Google News

Automating SAP S/4HANA Migration with IT-Conductor, BGP Managed Services, and AWS | Amazon Web Services
22. August 2023, AWS Blog

The Tom Brady Data Biography
8. September 2023, StatsBomb

The Lightning Memory-mapped Database
2. März 2016, InfoQ.com

Akamai launches managed database service – Blocks and Files
25. April 2022, Blocks and Files

HarperDB - How and Why We Built It From The Ground Up on NodeJS
28. Februar 2021, hackernoon.com

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk