DBMS > IBM Db2 Event Store vs. MonetDB vs. RDF4J vs. SwayDB

Vergleich der Systemeigenschaften IBM Db2 Event Store vs. MonetDB vs. RDF4J vs. SwayDB

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

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

RDF4J ist ein Java Framework zur Verarbeitung von RDF Daten, sowohl Hauptspeicher- als auch Disk-basiert.

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

Primäres Datenbankmodell

Event Store
Time Series DBMS

Relational DBMS

RDF Store

Key-Value Store

Sekundäre Datenbankmodelle

Document Store
Spatial 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	1,72
Rang	#135	Overall
	#62	Relational DBMS

Punkte	0,72
Rang	#222	Overall
	#9	RDF Stores

Punkte	0,00
Rang	#384	Overall
	#60	Key-Value Stores

Website

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

www.monetdb.org

rdf4j.org

swaydb.simer.au

Technische Dokumentation

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

www.monetdb.org/Documentation

rdf4j.org/documentation

Entwickler

IBM

MonetDB BV

Since 2016 officially forked into an Eclipse project, former developer was Aduna Software.

Simer Plaha

Erscheinungsjahr

2017

2004

2018

Aktuelle Version

2.0

Dec2023 (11.49), Dezember 2023

Lizenz

Commercial or Open Source

kommerziell

free developer edition available

Open Source

Mozilla Public License 2.0

Open Source

Eclipse Distribution License (EDL), v1.0.

Open Source

GNU Affero GPL V3.0

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

Scala

Server Betriebssysteme

Linux

Linux, macOS, Windows for the developer addition

FreeBSD
Linux
OS X
Solaris
Windows

Linux
OS X
Unix
Windows

Datenschema

RDF Schemas

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

SQL 2003 mit einigen Erweiterungen

nein

APIs und andere Zugriffskonzepte

ADO.NET
DB2 Connect
JDBC
ODBC
RESTful HTTP API

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

Java API
RIO

RDF Input/Output
Sail API
SeRQL

Sesame RDF Query Language
Sesame REST HTTP Protocol
SPARQL

Unterstützte Programmiersprachen

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

C
C++
Java
JavaScript (Node.js)
Perl
PHP
Python
R
Ruby

Java
PHP
Python

Java
Kotlin
Scala

Server-seitige Scripts

Stored Procedures

yes, in SQL, C, R

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Sharding via remote tables

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Active-active shard replication

keine

Source-replica replication available in experimental status

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

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

ACID

Isolation abhängig vom verwendeten API

Atomic execution of operations

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 Storage wird ebenfalls unterstützt

In-Memory Unterstützung

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

Berechtigungskonzept

Zugriffskontrolle

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

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

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

MonetDB Foundation launched
31. Januar 2024, Centrum Wiskunde & Informatica (CWI)

PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R — Part I
6. April 2018, Data Science Central

How MonetDB/X100 Exploits Modern CPU Performance
14. Januar 2020, Towards Data Science

Test of Time Award for paper on vectorized execution
16. Januar 2024, Centrum Wiskunde & Informatica (CWI)

Monet DB The Column-Store Pioneer
4. September 2019, Open Source For You

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk