DBMS > LeanXcale vs. Microsoft Azure Table Storage vs. Milvus vs. Rockset vs. XTDB

Vergleich der Systemeigenschaften LeanXcale vs. Microsoft Azure Table Storage vs. Milvus vs. Rockset vs. XTDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A highly scalable full ACID SQL database with fast NoSQL data ingestion and GIS capabilities

A Wide Column Store for rapid development using massive semi-structured datasets

A DBMS designed for efficient storage of vector data and vector similarity searches

A scalable, reliable search and analytics service in the cloud, built on RocksDB

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

Primäres Datenbankmodell

Key-Value Store
Relational DBMS

Wide Column Store

Vektor DBMS

Document Store

Sekundäre Datenbankmodelle

Relational DBMS
Suchmaschine

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

Punkte	0,36
Rang	#280	Overall
	#40	Key-Value Stores
	#129	Relational DBMS

Punkte	4,04
Rang	#77	Overall
	#6	Wide Column Stores

Punkte	2,78
Rang	#103	Overall
	#3	Vektor DBMS

Punkte	0,82
Rang	#212	Overall
	#36	Document Stores

Punkte	0,18
Rang	#332	Overall
	#46	Document Stores

Website

www.leanxcale.com

azure.microsoft.com/en-us/services/storage/tables

milvus.io

rockset.com

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

Technische Dokumentation

milvus.io/docs/overview.md

docs.rockset.com

www.xtdb.com/docs

Entwickler

LeanXcale

Microsoft

Rockset

Juxt Ltd.

Erscheinungsjahr

2015

2012

2019

Aktuelle Version

2.3.4, Jänner 2024

1.19, September 2021

Lizenz

Commercial or Open Source

kommerziell

Open Source

Apache Version 2.0

kommerziell

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.

Zilliz Cloud – Cloud-native service for Milvus

Implementierungssprache

C++, Go

C++

Clojure

Server Betriebssysteme

gehostet

Linux
macOS

10.14 or later
Windows

with WSL 2 enabled

gehostet

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

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Vector, Numeric and String

dynamic typing

XML Unterstützung

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

nein

ingestion from XML files supported

nein

Sekundärindizes

nein

all fields are automatically indexed

SQL

Support of SQL

through Apache Derby

nein

Read-only SQL queries, including JOINs

eingeschränktes SQL mittels Apache Calcite

APIs und andere Zugriffskonzepte

JDBC
Kafka Connector
ODBC
proprietary key/value interface
Spark Connector

RESTful HTTP API

HTTP REST

HTTP REST
JDBC

Unterstützte Programmiersprachen

C
Java
Scala

.Net
C#
C++
Java
JavaScript (Node.js)
PHP
Python
Ruby

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

Go
Java
JavaScript (Node.js)
Python

Clojure
Java

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Implicit feature of the cloud service

Sharding

Automatic sharding

keine

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant.

ja, jeder Knoten hat alle Daten

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Bounded Staleness
Eventual Consistency
Immediate Consistency
Session Consistency
Tunable Consistency

Eventual Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

ACID

optimistic Locking

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

nein

Berechtigungskonzept

Zugriffskontrolle

Access rights based on private key authentication or shared access signatures

Role based access control and fine grained access rights

Access rights for users and organizations can be defined via Rockset console

Weitere Informationen bereitgestellt vom Systemhersteller

Specific characteristics

Milvus is an open-source and cloud-native vector database built for production-ready...
» mehr

Competitive advantages

Highly available, versatile, and robust with millisecond latency. Supports batch...
» mehr

Typical application scenarios

RAG: retrieval augmented generation Video media : video understanding, video deduplication....
» mehr

Key customers

Milvus is trusted by thousands of enterprises, including PayPal, eBay, IKEA, LINE,...
» mehr

Market metrics

As of January 2024, 25k+ GitHub stars 10M+ downloads and installations 3k+ enterprise...
» mehr

Licensing and pricing models

Milvus was released under the open-source Apache License 2.0 in October 2019. Fully-managed...
» mehr

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

DB-Engines Blog Posts

Vector databases
2. Juni 2023, Matthias Gelbmann

alle anzeigen

Erwähnungen in aktuellen Nachrichten

Working with Azure to Use and Manage Data Lakes
7. März 2024, Simplilearn

How to use Azure Table storage in .Net
14. Januar 2019, InfoWorld

How to Use C# Azure.Data.Tables SDK with Azure Cosmos DB
9. Juli 2021, hackernoon.com

Inside Azure File Storage
7. Oktober 2015, Microsoft

How to write data to Azure Table Store with an Azure Function
14. April 2017, Experts Exchange

bereitgestellt von Google News

How NVIDIA GPU Acceleration Supercharged Milvus Vector Database
26. März 2024, The New Stack

AI-Powered Search Engine With Milvus Vector Database on Vultr
31. Januar 2024, SitePoint

Milvus 2.4 Unveils Game-Changing Features for Enhanced Vector Search
20. März 2024, GlobeNewswire

Zilliz Unveils Game-Changing Features for Vector Search
22. März 2024, Datanami

IBM watsonx.data’s integrated vector database: unify, prepare, and deliver your data for AI
9. April 2024, IBM

bereitgestellt von Google News

Rockset upgrades database to meet the needs of AI hybrid search – Blocks and Files
20. Mai 2024, Blocks and Files

Rockset launches native support for hybrid vector and text search to power AI apps
16. Mai 2024, SiliconANGLE News

Rockset Announces Native Support for Hybrid Search to Power AI Apps
17. Mai 2024, Datanami

Data Management News for the Week of May 17; Updates from Anomalo, DataStax, Rockset & More
16. Mai 2024, Solutions Review

Rockset targets cost control with latest database update
31. Januar 2024, TechTarget

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk