DBMS > Kinetica vs. Linter vs. NSDb vs. ReductStore vs. SiriDB

Vergleich der Systemeigenschaften Kinetica vs. Linter vs. NSDb vs. ReductStore vs. SiriDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Fully vectorized database across both GPUs and CPUs

RDBMS for high security requirements

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

Designed to manage unstructured time-series data efficiently, providing unique features such as storing time-stamped blobs with labels, customizable data retention policies, and a straightforward FIFO quota system.

Open Source Time Series DBMS

Primäres Datenbankmodell

Relational DBMS

Time Series DBMS

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

Spatial DBMS

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

Punkte	0,66
Rang	#234	Overall
	#107	Relational DBMS

Punkte	0,12
Rang	#350	Overall
	#152	Relational DBMS

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

Punkte	0,05
Rang	#384	Overall
	#44	Time Series DBMS

Punkte	0,07
Rang	#378	Overall
	#42	Time Series DBMS

Website

www.kinetica.com

linter.ru

nsdb.io

github.com/reductstore
www.reduct.store

siridb.com

Technische Dokumentation

docs.kinetica.com

nsdb.io/Architecture

www.reduct.store/docs

docs.siridb.com

Entwickler

Kinetica

relex.ru

ReductStore LLC

Cesbit

Erscheinungsjahr

2012

1990

2017

2023

2017

Aktuelle Version

7.1, August 2021

1.9, März 2024

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

Open Source

Business Source License 1.1

Open Source

MIT 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, C++

C und C++

Java, Scala

C++, Rust

Server Betriebssysteme

Linux

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

Linux
macOS

Docker
Linux
macOS
Windows

Linux

Datenschema

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

Numeric data

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

SQL

Support of SQL

SQL-like DML and DDL statements

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

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

gRPC
HTTP REST
WebSocket

HTTP API

Unterstützte Programmiersprachen

C++
Java
JavaScript (Node.js)
Python

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

Java
Scala

C++
JavaScript (Node.js)
Python
Rust

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

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

proprietary syntax with the possibility to convert from PL/SQL

nein

Triggers

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

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency or Eventual Consistency depending on configuration

Immediate Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

nein

ACID

nein

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

GPU vRAM or System RAM

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Einfache Rechteverwaltung mit Benutzeraccounts

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

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

Transforming spatiotemporal data analysis with GPUs and generative AI
30. Oktober 2023, InfoWorld

Kinetica Delivers Real-Time Vector Similarity Search
22. März 2024, Geospatial World

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk