DBMS > Hazelcast vs. IBM Db2 Event Store vs. Linter vs. Microsoft Azure Data Explorer vs. MonetDB
System Properties Comparison Hazelcast vs. IBM Db2 Event Store vs. Linter vs. Microsoft Azure Data Explorer vs. MonetDB
| Editorial information provided by DB-Engines | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Name | Hazelcast Xexclude from comparison | IBM Db2 Event Store Xexclude from comparison | Linter Xexclude from comparison | Microsoft Azure Data Explorer Xexclude from comparison | MonetDB Xexclude from comparison | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Description | A widely adopted in-memory data grid | Distributed Event Store optimized for Internet of Things use cases | RDBMS for high security requirements | Fully managed big data interactive analytics platform | A relational database management system that stores data in columns | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Primary database model | Key-value store | Event Store Time Series DBMS | Relational DBMS | Relational DBMS  column oriented | Relational DBMS | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Secondary database models | Document store JSON support with IMDG 3.12 | Spatial DBMS | Document store If a column is of type dynamic docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types/dynamic then it's possible to add arbitrary JSON documents in this cell Event Store this is the general usage pattern at Microsoft. Billing, Logs, Telemetry events are stored in ADX and the state of an individual entity is defined by the arg_max(timestamps)Spatial DBMS Search engine support for complex search expressions docs.microsoft.com/en-us/azure/kusto/query/parseoperator FTS, Geospatial docs.microsoft.com/en-us/azure/kusto/query/geo-point-to-geohash-function distributed search -> ADX acts as a distributed search engineTime Series DBMS see docs.microsoft.com/en-us/azure/data-explorer/time-series-analysis | Document store Spatial DBMS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Website | hazelcast.com | www.ibm.com/products/db2-event-store | linter.ru | azure.microsoft.com/services/data-explorer | www.monetdb.org | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Technical documentation | hazelcast.org/imdg/docs | www.ibm.com/docs/en/db2-event-store | docs.microsoft.com/en-us/azure/data-explorer | www.monetdb.org/Documentation | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Developer | Hazelcast | IBM | relex.ru | Microsoft | MonetDB BV | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Initial release | 2008 | 2017 | 1990 | 2019 | 2004 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Current release | 5.3.6, November 2023 | 2.0 | cloud service with continuous releases | Dec2023 (11.49), December 2023 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| License Commercial or Open Source | Open Source Apache Version 2; commercial licenses available | commercial free developer edition available | commercial | commercial | Open Source Mozilla Public License 2.0 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Cloud-based only Only available as a cloud service | no | no | no | yes | no | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| DBaaS offerings (sponsored links) Database as a Service Providers of DBaaS offerings, please contact us to be listed. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Implementation language | Java | C and C++ | C and C++ | C | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Server operating systems | All OS with a Java VM | Linux Linux, macOS, Windows for the developer addition | AIX Android BSD HP Open VMS iOS Linux OS X VxWorks Windows | hosted | FreeBSD Linux OS X Solaris Windows | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data scheme | schema-free | yes | yes | Fixed schema with schema-less datatypes (dynamic) | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Typing predefined data types such as float or date | yes | yes | yes | yes bool, datetime, dynamic, guid, int, long, real, string, timespan, double: docs.microsoft.com/en-us/azure/kusto/query/scalar-data-types | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| XML support Some form of processing data in XML format, e.g. support for XML data structures, and/or support for XPath, XQuery or XSLT. | yes the object must implement a serialization strategy | no | no | yes | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Secondary indexes | yes | no | yes | all fields are automatically indexed | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| SQL Support of SQL | SQL-like query language | yes through the embedded Spark runtime | yes | Kusto Query Language (KQL), SQL subset | yes SQL 2003 with some extensions | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| APIs and other access methods | JCache JPA Memcached protocol RESTful HTTP API | ADO.NET DB2 Connect JDBC ODBC RESTful HTTP API | ADO.NET JDBC LINQ ODBC OLE DB Oracle Call Interface (OCI) | Microsoft SQL Server communication protocol (MS-TDS) RESTful HTTP API | JDBC native C library MAPI library (MonetDB application programming interface)ODBC | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Supported programming languages | .Net C# C++ Clojure Go Java JavaScript (Node.js) Python Scala | C C# C++ Cobol Delphi Fortran Go Java JavaScript (Node.js) Perl PHP Python R Ruby Scala Visual Basic | C C# C++ Java Perl PHP Python Qt Ruby Tcl | .Net Go Java JavaScript (Node.js) PowerShell Python R | C C++ Java JavaScript (Node.js) Perl PHP Python R Ruby | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Server-side scripts Stored procedures | yes Event Listeners, Executor Services | yes | yes proprietary syntax with the possibility to convert from PL/SQL | Yes, possible languages: KQL, Python, R | yes, in SQL, C, R | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Triggers | yes Events | no | yes | yes see docs.microsoft.com/en-us/azure/kusto/management/updatepolicy | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Partitioning methods Methods for storing different data on different nodes | Sharding | Sharding | none | Sharding Implicit feature of the cloud service | Sharding via remote tables | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Replication methods Methods for redundantly storing data on multiple nodes | yes Replicated Map | Active-active shard replication | Source-replica replication | yes Implicit feature of the cloud service. Replication either local, cross-facility or geo-redundant. | none Source-replica replication available in experimental status | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| MapReduce Offers an API for user-defined Map/Reduce methods | yes | no | no | Spark connector (open source): github.com/Azure/azure-kusto-spark | no | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Consistency concepts Methods to ensure consistency in a distributed system | Immediate Consistency or Eventual Consistency selectable by user Raft Consensus Algorithm | Eventual Consistency | Immediate Consistency | Eventual Consistency Immediate Consistency | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Foreign keys Referential integrity | no | no | yes | no | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Transaction concepts Support to ensure data integrity after non-atomic manipulations of data | one or two-phase-commit; repeatable reads; read commited | no | ACID | no | ACID | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Concurrency Support for concurrent manipulation of data | yes | No - written data is immutable | yes | yes | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Durability Support for making data persistent | yes | Yes - Synchronous writes to local disk combined with replication and asynchronous writes in parquet format to permanent shared storage | yes | yes | yes | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| In-memory capabilities Is there an option to define some or all structures to be held in-memory only. | yes | yes | no | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| User concepts Access control | Role-based access control | fine grained access rights according to SQL-standard | fine grained access rights according to SQL-standard | Azure Active Directory Authentication | fine grained access rights according to SQL-standard | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
More information provided by the system vendorWe invite representatives of system vendors to contact us for updating and extending the system information, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Related products and servicesWe invite representatives of vendors of related products to contact us for presenting information about their offerings here. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| More resources | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Hazelcast | IBM Db2 Event Store | Linter | Microsoft Azure Data Explorer | MonetDB | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Recent citations in the news | Hazelcast Weaves Wider Logic Threads Through The Data Fabric Hazelcast Showcases Real-Time Data Platform at 2024 Gartner Summit Hazelcast 5.4 real time data processing platform boosts AI and consistency Real-Time Data Platform Hazelcast Introduces New Chief Technology Officer Adrian Soars Hazelcast to Demonstrate Power of Unified Platform for Real-Time and AI Applications at the ... provided by Google News | Advancements in streaming data storage, real-time analysis and machine learning IBM Builds New Ultra-Fast Platform for Hoovering Up and Analyzing Data from Anywhere How IBM Is Turning Db2 into an 'AI Database' Best cloud databases of 2022 Why a robust data management strategy is essential today | IBM HDM provided by Google News | Azure Data Explorer: Log and telemetry analytics benchmark Providing modern data transfer and storage service at Microsoft with Microsoft Azure - Inside Track Blog Controlling costs in Azure Data Explorer using down-sampling and aggregation Microsoft Introduces Azure Integration Environments and Business Process Tracking in Public Preview Individually great, collectively unmatched: Announcing updates to 3 great Azure Data Services provided by Google News | In 2024 the MonetDB Foundation was established for the preservation, maintenance and further development of the ... MonetDB Secures Investment From (and Partners With) ServiceNow PostgreSQL, MonetDB, and Too-Big-for-Memory Data in R - Part I - DataScienceCentral.com Test of Time Award for paper on vectorized execution How MonetDB Exploits Modern CPU Performance | by Dwi Prasetyo Adi Nugroho provided by Google News | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Share this page
