DBMS > Kinetica vs. MonetDB vs. Trafodion vs. XTDB

Vergleich der Systemeigenschaften Kinetica vs. MonetDB vs. Trafodion vs. XTDB

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

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Apache Trafodion has been retired in 2021. Therefore it is excluded from the DB-Engines Ranking.

Kurzbeschreibung

Fully vectorized database across both GPUs and CPUs

Ein relationales Datenbankmanagementsystem mit spaltenweiser Abspeicherung der Daten

Transactional SQL-on-Hadoop DBMS

A general purpose database with bitemporal SQL and Datalog and graph queries

Primäres Datenbankmodell

Relational DBMS

Document Store

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

Document Store
Spatial DBMS

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

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

Punkte	1,72
Rang	#135	Overall
	#62	Relational DBMS

Punkte	0,13
Rang	#330	Overall
	#45	Document Stores

Website

www.kinetica.com

www.monetdb.org

trafodion.apache.org

github.com/xtdb/xtdb
www.xtdb.com

Technische Dokumentation

docs.kinetica.com

www.monetdb.org/Documentation

trafodion.apache.org/documentation.html

www.xtdb.com/docs

Entwickler

Kinetica

MonetDB BV

Apache Software Foundation, originally developed by HP

Juxt Ltd.

Erscheinungsjahr

2012

2004

2014

2019

Aktuelle Version

7.1, August 2021

Dec2023 (11.49), Dezember 2023

2.3.0, Februar 2019

1.19, September 2021

Lizenz

Commercial or Open Source

kommerziell

Open Source

Mozilla Public License 2.0

Open Source

Apache 2.0

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++, Java

Clojure

Server Betriebssysteme

Linux

FreeBSD
Linux
OS X
Solaris
Windows

Linux

Alle Betriebssysteme mit einer Java 8 (und höher) VM
Linux

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

XML Unterstützung

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

nein

Sekundärindizes

SQL

Support of SQL

SQL-like DML and DDL statements

SQL 2003 mit einigen Erweiterungen

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

JDBC
native C library

MAPI library (MonetDB application programming interface)
ODBC

ADO.NET
JDBC
ODBC

HTTP REST
JDBC

Unterstützte Programmiersprachen

C++
Java
JavaScript (Node.js)
Python

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

All languages supporting JDBC/ODBC/ADO.Net

Clojure
Java

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

yes, in SQL, C, R

Java Stored Procedures

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

Sharding via remote tables

Sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

Source-replica replication available in experimental status

ja, durch HBase

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

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

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

yes, flexibel persistency by using storage technologies like Apache Kafka, RocksDB or LMDB

In-Memory Unterstützung

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

GPU vRAM or System RAM

nein

Berechtigungskonzept

Zugriffskontrolle

Zugriffsrechte für Benutzer und Rollen auf Tabellenebene

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

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 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

Kinetica Taps Dell for Hardware
12. Juni 2018, Finovate

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