DBMS > Microsoft Azure Table Storage vs. ObjectBox vs. Tkrzw vs. Trafodion

Vergleich der Systemeigenschaften Microsoft Azure Table Storage vs. ObjectBox vs. Tkrzw vs. Trafodion

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

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

Lightweight, fast on-device database for IoT, Mobile and Embedded devices, persisting and synchronising objects and vectors

A concept of libraries, allowing an application program to store and query key-value pairs in a file. Successor of Tokyo Cabinet and Kyoto Cabinet

Transactional SQL-on-Hadoop DBMS

Primäres Datenbankmodell

Wide Column Store

Object oriented DBMS
Vektor DBMS

Key-Value Store

Relational DBMS

Sekundäre Datenbankmodelle

Time Series DBMS

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

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

Punkte	1,29
Rang	#166	Overall
	#5	Object oriented DBMS
	#7	Vektor DBMS

Punkte	0,07
Rang	#372	Overall
	#57	Key-Value Stores

Website

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

github.com/objectbox
objectbox.io

dbmx.net/tkrzw

trafodion.apache.org

Technische Dokumentation

docs.objectbox.io

trafodion.apache.org/documentation.html

Entwickler

Microsoft

ObjectBox Limited

Mikio Hirabayashi

Apache Software Foundation, originally developed by HP

Erscheinungsjahr

2012

2017

2020

2014

Aktuelle Version

4.0 (May 2024)

0.9.3, August 2020

2.3.0, Februar 2019

Lizenz

Commercial or Open Source

kommerziell

Bindings are released under Apache 2.0

Apache License 2.0

Open Source

Apache Version 2.0

Open Source

Apache 2.0

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++

C++

C++, Java

Server Betriebssysteme

gehostet

Android
Any POSIX system
Docker
iOS
Linux
macOS
QNX
Windows

Linux
macOS

Linux

Datenschema

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

nein

APIs und andere Zugriffskonzepte

RESTful HTTP API

Proprietäres native API

ADO.NET
JDBC
ODBC

Unterstützte Programmiersprachen

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

C
C++
Dart (Flutter)
Go
Java
Kotlin
Python
Swift

C++
Java
Python
Ruby

All languages supporting JDBC/ODBC/ADO.Net

Server-seitige Scripts

Stored Procedures

nein

Java Stored Procedures

Triggers

nein

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

Implicit feature of the cloud service

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

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

Data sync between devices allowing occasional connected databases to work completely offline

keine

ja, durch HBase

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

mittels user defined functions und HBase

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Immediate Consistency

Fremdschlüssel

referenzielle Integrität

nein

Transaktionskonzept

Unterstützung zur Sicherstellung der Datenintegrität bei nicht-atomaren Datenmanipulationen

optimistic Locking

ACID

Concurrency

Unterstützung von gleichzeitig ausgeführten Datenmanipulationen

Durability

Dauerhafte Speicherung der Daten

In-Memory Unterstützung

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

nein

using specific database classes

nein

Berechtigungskonzept

Zugriffskontrolle

Access rights based on private key authentication or shared access signatures

nein

Benutzer mit feingranularem Berechtigungskonzept entsprechend SQL-Standard

Weitere Informationen bereitgestellt vom Systemhersteller

Neuigkeiten

Retrieval Augmented Generation (RAG) with vector databases: Expanding AI Capabilities
18. Juni 2024

The on-device Vector Database for Android and Java
29. Mai 2024

Vector search: making sense of search queries
29. Mai 2024

Python on-device Vector and Object Database for Local AI
28. Mai 2024

Evolution of search: traditional vs vector search
23. Mai 2024

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

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

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

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

Quick Guide to Azure Storage Pricing
16. Mai 2023, DevOps.com

Inside Azure File Storage
7. Oktober 2015, azure.microsoft.com

bereitgestellt von Google News

The Megashift Towards Decentralized Edge Computing
27. August 2021, hackernoon.com

bereitgestellt von Google News

Evaluating HTAP Databases for Machine Learning Applications
2. November 2016, KDnuggets

HP Throws Trafodion Hat into OLTP Hadoop Ring
14. Juli 2014, Datanami

Low-latency, distributed database architectures are critical for emerging fog applications
7. April 2022, Embedded Computing Design

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk