DBMS > Qdrant vs. SiriDB vs. Spark SQL vs. STSdb vs. VelocityDB

Vergleich der Systemeigenschaften Qdrant vs. SiriDB vs. Spark SQL vs. STSdb vs. VelocityDB

Redaktionelle Informationen bereitgestellt von DB-Engines

Name

Kurzbeschreibung

A high-performance vector database with neural network or semantic-based matching

Open Source Time Series DBMS

Spark SQL ist ein Spark-Modul für die Verarbeitung strukturierter Daten

Key-Value Store mit spezieller Indizierungsmethode

Optimiert hinsichtlich Performanz durch spezielle Indizierungstechnologie

A .NET Object Database that can be embedded/distributed and extended to a graph data model (VelocityGraph)

Primäres Datenbankmodell

Graph DBMS
Object oriented DBMS

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

Punkte	1,28
Rang	#167	Overall
	#8	Vektor DBMS

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

Punkte	18,04
Rang	#33	Overall
	#20	Relational DBMS

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

Punkte	0,11
Rang	#354	Overall
	#37	Graph DBMS
	#15	Object oriented DBMS

Website

github.com/qdrant/qdrant
qdrant.tech

siridb.com

spark.apache.org/sql

github.com/STSSoft/STSdb4

velocitydb.com

Technische Dokumentation

qdrant.tech/documentation

docs.siridb.com

spark.apache.org/docs/latest/sql-programming-guide.html

velocitydb.com/UserGuide

Entwickler

Qdrant

Cesbit

Apache Software Foundation

STS Soft SC

VelocityDB Inc

Erscheinungsjahr

2021

2017

2014

2011

Aktuelle Version

3.5.0 ( 2.13), September 2023

4.0.8, September 2015

7.x

Lizenz

Commercial or Open Source

Open Source

Apache Version 2.0

Open Source

MIT License

Open Source

Apache 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

Rust

Scala

Server Betriebssysteme

Docker
Linux
macOS
Windows

Linux

Linux
OS X
Windows

Windows

Any that supports .NET

Datenschema

schemafrei

Typisierung

vordefinierte Datentypen, z.B. float oder date

Numbers, Strings, Geo, Boolean

Numeric data

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

Keywords, numberic ranges, geo, full-text

nein

SQL

Support of SQL

nein

SQL-like DML and DDL statements

nein

APIs und andere Zugriffskonzepte

gRPC
OpenAPI 3.0
RESTful HTTP/JSON API

OpenAPI 3.0

HTTP API

JDBC
ODBC

.NET Client API

.Net

Unterstützte Programmiersprachen

.Net
Go
Java
JavaScript (Node.js)
Python
Rust

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

Java
Python
R
Scala

C#
Java

.Net

Server-seitige Scripts

Stored Procedures

nein

Triggers

nein

Callbacks are triggered when data changes

Partitionierungsmechanismen

Methoden zum Speichern von unterschiedlichen Daten auf unterschiedlichen Knoten

Sharding

yes, utilizing Spark Core

keine

Sharding

Replikationsmechanismen

Methoden zum redundanten Speichern von Daten auf mehreren Knoten

Collection-level replication

keine

MapReduce

Bietet ein API für Map/Reduce Operationen

nein

Konsistenzkonzept

Methoden zur Sicherstellung der Konsistenz in einem verteilten System

Eventual Consistency, tunable consistency

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

In-Memory Unterstützung

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

nein

Berechtigungskonzept

Zugriffskontrolle

Key-based authentication

Einfache Rechteverwaltung mit Benutzeraccounts

nein

Based on Windows Authentication

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

Open source vector database startup Qdrant raises $28M
23. Januar 2024, TechCrunch

Qdrant Raises $28M to Advance Massive-Scale AI Applications
23. Januar 2024, businesswire.com

Qdrant Hybrid Cloud is Now Available for OCI Customers: Managed Vector Search Engine for Data-Sensitive AI ...
16. April 2024, blogs.oracle.com

Qdrant offers managed vector database for hybrid clouds
16. April 2024, InfoWorld

Why Vector Data Services For AI Are A Moveable Feast
17. April 2024, Forbes

bereitgestellt von Google News

Use Amazon Athena with Spark SQL for your open-source transactional table formats | Amazon Web Services
24. Januar 2024, AWS Blog

What is Apache Spark? The big data platform that crushed Hadoop
3. April 2024, InfoWorld

Cracking the Apache Spark Interview: 80+ Top Questions and Answers for 2024
1. April 2024, Simplilearn

Performant IPv4 Range Spark Joins | by Jean-Claude Cote
24. Januar 2024, Towards Data Science

Simba Technologies(R) Introduces New, Powerful JDBC Driver With SQL Connector for Apache Spark(TM)
17. März 2024, Yahoo Singapore News

bereitgestellt von Google News

Teilen sie diese Seite mit ihrem Netzwerk