DBMS > Kinetica vs. NSDb vs. OpenMLDB vs. STSdb vs. TimesTen

Vergleich der Systemeigenschaften Kinetica vs. NSDb vs. OpenMLDB vs. STSdb vs. TimesTen

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

Fully vectorized database across both GPUs and CPUs

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

An open-source machine learning database that provides a feature platform for training and inference

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

In-Memory RDBMS compatible to Oracle

Primäres Datenbankmodell

Sekundäre Datenbankmodelle

Spatial DBMS
Time Series DBMS

Relational DBMS

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

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

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

Punkte	0,10
Rang	#359	Overall
	#36	Time Series DBMS

Punkte	0,10
Rang	#357	Overall
	#51	Key-Value Stores

Punkte	1,36
Rang	#161	Overall
	#75	Relational DBMS

Website

www.kinetica.com

nsdb.io

openmldb.ai

github.com/STSSoft/STSdb4

www.oracle.com/database/technologies/related/timesten.html

Technische Dokumentation

docs.kinetica.com

nsdb.io/Architecture

openmldb.ai/docs/zh/main

docs.oracle.com/database/timesten-18.1

Entwickler

Kinetica

4 Paradigm Inc.

STS Soft SC

Oracle, TimesTen Performance Software, HP

originally founded in HP Labs it was acquired by Oracle in 2005

Erscheinungsjahr

2012

2017

2020

2011

1998

Aktuelle Version

7.1, August 2021

2024-2 February 2024

4.0.8, September 2015

11 Release 2 (11.2.2.8.0)

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

Open Source

GPLv2, kommerzielle Lizenz verfügbar

kommerziell

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++

Java, Scala

C++, Java, Scala

Server Betriebssysteme

Linux

Linux
macOS

Linux

Windows

AIX
HP-UX
Linux
OS X
Solaris SPARC/x86
Windows

Datenschema

Fixed schema

Typisierung

vordefinierte Datentypen, z.B. float oder date

yes: int, bigint, decimal, string

Primitive Typen und benutzerdefinierte Klassen

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

nein

SQL

Support of SQL

SQL-like DML and DDL statements

SQL-like query language

nein

APIs und andere Zugriffskonzepte

JDBC
ODBC
RESTful HTTP API

gRPC
HTTP REST
WebSocket

JDBC
SQLAlchemy

.NET Client API

JDBC
ODBC
ODP.NET
Oracle Call Interface (OCI)

Unterstützte Programmiersprachen

C++
Java
JavaScript (Node.js)
Python

Java
Scala

C++
Go
Java
Python
Scala

C#
Java

C
C++
Java
PL/SQL

Server-seitige Scripts

Stored Procedures

benutzerdefinierte Funktionen

nein

PL/SQL

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

horizontal partitioning

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Source-Replica Replikation

keine

Multi-Source Replikation
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

Eventual Consistency

Immediate Consistency

Immediate Consistency or Eventual Consistency depending on configuration

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

Using Apache Lucene

by means of logfiles and checkpoints

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

fine grained access rights according to 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

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

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

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

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

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

bereitgestellt von Google News

MLOp practice: using OpenMLDB in the real-time anti-fraud model for the bank's online transaction
23. August 2021, Towards Data Science

Compared to Native Spark 3.0, We Have Achieved Significant Optimization Effects in the AI
3. August 2021, Towards Data Science

Predictive maintenance — 5minutes demo of an end to end machine learning project
13. August 2021, Towards Data Science

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk