Pro Dan Kontra Dari Database Kolom

Database NoSQL adalah pilihan yang bagus untuk banyak aplikasi modern, tetapi ada beberapa hal penting yang perlu dipertimbangkan sebelum beralih. Salah satu faktor penting adalah apakah Anda memerlukan database relasional atau tidak. Jika Anda melakukannya, database berbentuk kolom mungkin bukan pilihan yang tepat. Database kolom sangat cocok untuk aplikasi yang perlu menganalisis data dalam jumlah besar dengan cepat. Mereka juga merupakan pilihan yang baik untuk aplikasi yang tidak memerlukan model relasional penuh dan dapat bertahan dengan model data yang lebih sederhana. Namun, database berbentuk kolom memiliki beberapa kelemahan. Mereka bisa lebih sulit digunakan daripada database relasional, dan mereka mungkin tidak mendukung semua fitur yang Anda perlukan. Sebelum memutuskan apakah database kolom tepat untuk aplikasi Anda, pastikan Anda memahami pro dan kontra.

Database kolom mengatur dan menyimpan data berdasarkan kolom, bukan baris. Mereka menggunakan fungsi dan operasi agregat untuk mengoptimalkan kolom data. Kolom basis data dapat diskalakan dan dikompresi dengan baik jika dibandingkan dengan jenis basis data lainnya. Dalam database kolom, setiap baris data dipisahkan menjadi beberapa kolom dengan sejumlah kolom. Database kolom sangat cocok untuk pemrosesan data besar, intelijen bisnis (BI), dan analitik. Operasi baris memiliki waktu yang jauh lebih lambat daripada operasi kolom. Rekaman IoT mungkin hanya berisi sejumlah kecil elemen data saat rekaman baru tiba dalam aliran yang konsisten. Data besar memiliki potensi untuk mengubah cara kerja sistem basis data operasional.

Dua jenis basis data basis data, baris dan kolom, dapat memuat data dan melakukan kueri menggunakan bahasa kueri basis data tradisional seperti SQL. Dalam banyak kasus, tulang punggung basis data, seperti basis data baris dan kolom, dapat berfungsi sebagai mesin untuk mengekstrak, mengubah, memuat, dan membuat alat data umum.

Database kolom, jenis sistem manajemen basis data (DBMS), adalah salah satu yang menyimpan data dalam kolom, bukan baris. Untuk mempercepat pengembalian kueri, kolom dalam basis data berbentuk kolom dapat ditulis dan dibaca secara efisien dari dan di hard disk.

Hari ini, kita akan melihat bagaimana kolom bekerja dalam database kolom dan membandingkannya dengan database berorientasi baris yang lebih tradisional (misalnya, MySQL). Kami akan membahas apa itu database kolom dalam artikel ini, serta kelebihan dan kekurangannya.

Apa saja contoh database NoSQL? Microsoft SQL Server adalah sistem manajemen basis data relasional yang dibuat oleh Microsoft.

Apakah Mongodb Database Kolom?

Mongodb bukan database berbentuk kolom.

Ini menjadi lebih populer karena memberikan kinerja kueri yang lebih baik dalam kueri analitik. Data dalam database kolom disimpan dengan cara yang lebih efisien daripada di penyimpanan data berbasis database karena data disimpan dalam kolom. Permintaan analitik yang dilakukan pada database berbentuk kolom memiliki keunggulan kinerja yang lebih besar. Jika dibandingkan dengan penyimpanan berorientasi baris, penyimpanan kolom jauh lebih efisien dalam hal ruang penyimpanan dan kinerja kueri. Karena data disimpan dalam bentuk kolom, data dapat lebih mudah dibaca dan ditulis.

Manakah Database Nosql?

Database NoSQL adalah database yang tidak menggunakan model database relasional tradisional. Sebagai gantinya, mereka menggunakan berbagai model yang berbeda, termasuk dokumen, grafik, nilai kunci, dan kolom. Database NoSQL seringkali lebih cocok untuk menangani data dalam jumlah besar yang tidak cocok untuk model relasional.

Sistem NoSQL adalah jenis database yang tidak didasarkan pada SQL. Model data yang digunakan oleh tim pemodelan data berbeda dari model tabel baris dan kolom tradisional yang digunakan dalam sistem manajemen basis data relasional. Database NoSQL, selain sangat berbeda satu sama lain, juga sangat berbeda satu sama lain. Database dokumen biasanya diimplementasikan dengan arsitektur scale-out untuk jenis dokumen yang paling umum. Platform e-niaga, platform perdagangan, dan pengembangan aplikasi seluler adalah contoh bagaimana platform ini dapat menguntungkan perusahaan. Tujuan utama membandingkan MongoDB dan Postgres adalah untuk memberikan perbandingan mendetail dari database NoSQL terkemuka. Kemampuan database kolom untuk menggabungkan nilai satu kolom sangat ideal untuk menganalisis kolom tertentu dengan cepat.

Karena cara penulisan data membuat sulit untuk konsisten, mereka harus bergantung pada berbagai sumber. Database grafik dioptimalkan untuk menangkap dan mencari koneksi antar elemen data untuk menangkap dan mencarinya. Overhead yang terkait dengan BERGABUNG dengan banyak tabel di SQL dihilangkan dengan penggunaan metode ini.

MongoDB biasanya menyimpan dokumen dalam kumpulan yang dikenal sebagai kumpulan. Ini adalah kumpulan dokumen yang dihubungkan bersama oleh beberapa aspek. Data dalam koleksi biasanya digunakan oleh banyak aplikasi untuk menyimpan data.
Data MongoDB disimpan dalam B-tree, yang artinya diatur sebagai bucket atau level. Bucket adalah kumpulan data yang sering diakses oleh browser. Levelnya lebih besar karena lebih banyak ember di dalamnya. Data dalam aB-tree dapat diurutkan dalam urutan menaik berdasarkan kunci.
Karena MongoDB sangat sederhana untuk diskalakan, ini adalah platform yang fantastis untuk penskalaan. Jika cluster Anda mengalami peningkatan beban, Anda mungkin perlu menambahkan lebih banyak server. Selain itu, MongoDB dapat dikelompokkan untuk menyediakan data HA (ketersediaan tinggi).

Mengapa Database Nosql Mendapatkan Popularitas

Terlepas dari kenyataan bahwa database NoSQL menjadi lebih populer dalam banyak kasus, mereka masih menjadi alternatif untuk database relasional. Data yang tidak dapat disimpan dalam basis data relasional, seperti grafik besar atau data yang berubah secara teratur, sangat menarik bagi mereka.

Contoh Basis Data Kolom Nosql

Database kolom adalah sistem manajemen database (DBMS) yang menyimpan data dalam kolom, bukan baris. Sistem berorientasi kolom seringkali lebih cepat untuk beban kerja analitik daripada sistem berorientasi baris tradisional.
Misalnya, database kolom mungkin menyimpan data karyawan dengan setiap kolom berisi data seperti ID karyawan, nama, jabatan, gaji, dan sebagainya. Basis data berorientasi baris akan menyimpan data yang sama dengan setiap baris berisi ID karyawan, nama, jabatan, gaji, dan sebagainya.

NoSQL adalah kemajuan penting dalam bidang data relasional karena menghilangkan kebutuhan akan sistem yang sangat terspesialisasi atau memakan waktu. Database NoSQL dokumen, grafik, kolom, dan nilai baris adalah empat jenis utama. Penyimpanan dokumen berisi skema data kompleks dan pasangan kunci asosiatif. Kolom database mengatur data ke dalam kolom dan berfungsi dengan cara yang sama seperti database relasional. Ada skalabilitas grid horizontal hingga tak terhingga yang tersedia di database kolom . Kompresi adalah metode penyimpanan yang dilakukan dengan baik dan penyimpanan kolom menyediakan banyak ruang penyimpanan. Kecepatan kueri agregasi dijalankan biasanya lebih cepat daripada database relasional.

Karena desain data bersifat horizontal, aplikasi OLTP tidak dapat digunakan bersama dengan penyimpanan berbentuk kolom. Penyimpan kolom , sebagai solusi, memiliki potensi untuk menjadi sangat kuat, tetapi juga memiliki potensi untuk menjadi sangat terbatas. Meskipun kolom memberikan jaminan konsistensi dan isolasi yang lebih sedikit daripada baris, setiap baris harus ditulis ulang berkali-kali. Database NoSQL lebih rentan terhadap serangan online karena kurangnya fitur keamanan asli. Jika keamanan dunia maya merupakan prioritas utama bagi Anda, Anda harus menggunakan model relasional atau menentukan skema Anda.

Basis Data Nosql

Database NoSQL adalah database non-relasional yang tidak menggunakan model database relasional berbasis tabel tradisional. Database NoSQL sering digunakan untuk big data dan aplikasi web real-time.

Database database NoSQL tidak menyimpan data dalam database relasional tradisional . Tipe dokumen, tipe nilai kunci, tipe kolom lebar, dan tipe grafik adalah yang paling umum. Biaya penyimpanan data telah menurun secara dramatis dalam beberapa tahun terakhir, menghasilkan pengembangan database NoSQL. Mereka dapat menyimpan sejumlah besar data tidak terstruktur, memungkinkan pengembang untuk memilih aspek mana dari data yang ingin mereka simpan. Database dokumen, database nilai kunci, penyimpanan kolom lebar, dan database grafik adalah contoh database NoSQL. Karena tidak diperlukan penggabungan, kueri dilakukan lebih cepat. Kasus penggunaan intensif data seperti analisis keuangan dan pembacaan IoT dari kotak kotoran kucing pintar dapat digunakan, sementara aplikasi yang kurang serius seperti kasus penggunaan yang menyenangkan dan menghibur seperti pengemasan makanan pintar dapat digunakan.

Dalam tutorial ini, kita akan membahas kapan dan mengapa Anda harus mempertimbangkan database NoSQL. Selain itu, kita akan melihat beberapa kesalahpahaman paling umum tentang database NoSQL. Menurut DB-Engines, MongoDB adalah database NoSQL paling populer di dunia. Dalam tutorial ini, Anda akan mempelajari cara membuat kueri database MongoDB tanpa menginstal apa pun di komputer Anda. Cluster database adalah contoh dari database MongoDB. Segera setelah Anda memiliki klaster, Atlas akan mulai menyimpan data. Anda memiliki tiga opsi untuk membuat database di Atlas Data Explorer, MongoDB Shell, atau MongoDB Compass: manual atau otomatis.

Dalam hal ini, kumpulan data sampel Atlas akan diimpor. Ada banyak manfaat database NoSQL selain model datanya yang fleksibel, penskalaan horizontal, kueri cepat kilat, dan kemudahan penggunaan. Data Explorer dapat digunakan untuk memasukkan dokumen baru, mengedit dokumen yang ada, dan menghapusnya. Menggunakan kerangka agregasi adalah alat yang sangat ampuh untuk menganalisis data Anda. Menggunakan bagan untuk memvisualisasikan data yang disimpan di Atlas dan Atlas Data Lake adalah cara termudah untuk melakukannya.

Database nilai kunci adalah jenis NoSQL yang paling sederhana, dengan beberapa tabel yang berisi kunci dan nilai. Kuncinya hanya diperlukan untuk akses data, membuat membaca dan menulis menjadi sederhana. Namun, tipe database ini tidak cocok untuk kumpulan data besar karena setiap kunci dalam database harus unik.
Data disimpan dalam tabel yang berisi kolom, yang menyimpan kunci dan nilai basis data berbasis kolom. Karena keserbagunaannya, basis data berbasis kolom dapat menyimpan data untuk jangka waktu yang lebih lama daripada basis data tanpa kolom.
Database dokumen, berbeda dengan database kolom, menyimpan data dalam tabel dengan kolom yang menyimpan kunci dan nilai. Database berbasis dokumen, di sisi lain, menyimpan data dalam file, mirip dengan email. Karena dokumen mudah dibaca dan dipahami, data dapat dicari dan dilihat dengan cara yang sederhana.
Database berbasis grafik mirip dengan database berbasis dokumen karena data disimpan dalam tabel yang berisi kolom dengan kunci dan nilai. Sebaliknya, grafik, yang mirip dengan jaringan dalam hal penyimpanan data, disimpan dalam basis data berbasis grafik. Node data dapat dihubungkan dan pola dapat diidentifikasi dengan mudah.

Jenis Database Nosql Untuk Setiap Kebutuhan

Database dokumen seperti MongoDB sangat cocok untuk aplikasi yang perlu menyimpan informasi dalam format yang fleksibel dan modular. Di MongoDB, JSON, teks, dan BSON semuanya didukung. Ini menjadikannya pilihan yang sangat baik untuk aplikasi seperti blog dan wiki, yang menyimpan data tidak terstruktur dalam jumlah besar.
Cassandra dan database berbasis kolom lainnya adalah pilihan yang sangat baik untuk aplikasi yang perlu menyimpan data dalam jumlah besar dalam format kolom. Format data seperti format biner Avro dan Cassandra sendiri dapat digunakan selain penyimpanan berbasis teks dalam HBase. Karena memiliki kapasitas untuk menyimpan data yang tidak dapat ditampung dalam database relasional, sangat cocok untuk aplikasi yang membutuhkan data dalam jumlah besar.
DynamoDB dan database nilai kunci lainnya sangat cocok untuk aplikasi yang biasanya menyimpan data dalam jumlah kecil hingga sedang. DynamoDB, misalnya, mendukung format JSON dan data biner. Ini menjadikannya pilihan yang sangat baik untuk aplikasi yang menyimpan data yang terlalu kecil untuk tabel relasional dan sering diakses tetapi tidak memerlukan format tertentu, serta untuk aplikasi yang perlu menyimpan data yang sering diakses tetapi tidak memerlukan format tertentu. format.
Sangat cocok untuk aplikasi yang memerlukan integrasi item data yang disimpan dalam database grafik, seperti Neo4j. Misalnya, format data seperti JSON, Atom, dan Grafik dapat digunakan dalam database grafik. Ini sangat ideal untuk aplikasi yang perlu menyimpan data yang terlalu kompleks untuk disimpan dalam database relasional atau yang menyimpan data yang sering diakses tetapi tidak perlu disimpan dalam format tertentu.

Basis Data Kolom Sumber Terbuka

Database kolom adalah jenis database yang menyimpan data dalam kolom, bukan baris. Jenis database ini sering digunakan untuk pergudangan data dan aplikasi analitik karena dapat memberikan kinerja dan skalabilitas yang lebih baik daripada database berbasis baris tradisional.
Ada sejumlah database kolumnar open source yang tersedia, seperti Apache Cassandra, Apache HBase, dan Apache Drill. Masing-masing database ini memiliki kekuatan dan kelemahannya sendiri, jadi penting untuk memilih yang tepat untuk kebutuhan spesifik Anda.

Basis data ini ideal untuk alur kerja analitik yang efisien karena cepat dan berskala pada saat yang bersamaan. Alih-alih menyimpan data dalam baris, kolom digunakan dalam Database Kolom. Menggunakan penyimpanan berbasis kolom meningkatkan kinerja kueri database dengan secara signifikan mengurangi jumlah upaya I/O. Ini telah digunakan untuk mendukung Amazon Redshift dan Snowflake serta Gudang Relasional lainnya. Untuk meningkatkan throughput database kolom, cluster perangkat keras berbiaya rendah digunakan untuk menskalakannya. Dalam database tradisional , baris dibagi menjadi berbagai bagian data. Elemen paling relevan dalam Basis Data Kolom dapat diakses dalam hitungan detik.

Bahkan jika databasenya besar, ini akan meningkatkan kecepatan kueri. Biaya pemrosesan dan penyimpanan jumlah data yang meningkat juga meningkat. Parket dan ORC adalah dua format yang paling banyak digunakan untuk kolom dalam database. Parket digunakan untuk menyajikan kolom datar data dengan cara yang lebih efektif. ORC adalah format file yang dirancang khusus untuk beban kerja Hadoop dan telah dioptimalkan untuk pembacaan streaming yang besar. Hevo Data, Pipa Data Tanpa Kode, memungkinkan Anda untuk mengintegrasikan data dari berbagai database dengan 100+ sumber lain dan memuatnya ke alat BI pilihan Anda. Apache Druid adalah basis data analitik real-time yang dibangun di atas perangkat lunak sumber terbuka yang dapat menjalankan kueri OLAP pada kumpulan data besar dengan kecepatan yang jauh lebih cepat.

Mesin penyimpanan data terdistribusi sumber terbuka Apache Kudu digunakan untuk menjalankan proses analitik cepat pada sejumlah besar informasi. Model penyimpanan MonetDB didasarkan pada fragmentasi vertikal, dan arsitektur eksekusi kuerinya didasarkan pada komputer modern. Mesin pelaporan analitik ClickHouse memungkinkan pembuatan laporan secara real time. BigQuery adalah hasil dari Mesin Kueri Terdistribusi Google, yang dikenal sebagai Dremel. Arsitektur Tanpa Server Dremel dapat memproses terabyte data dalam hitungan detik dengan memanfaatkan komputasi terdistribusi. Kompresi, proyeksi just-in-time, dan partisi horizontal dan vertikal adalah beberapa keuntungan dari penyimpanan berbasis kolom. Data dapat disimpan dalam baris dalam basis data kolom, yang merupakan basis data berorientasi baris.

Mereka menskalakan dengan memanfaatkan cluster dengan teknologi berbiaya rendah untuk meningkatkan throughput. Database kolom dapat digunakan untuk berbagai keperluan dalam pemrosesan data besar, intelijen bisnis (BI), dan analitik. Perangkat Internet of Things (IoT) menyimpan sejumlah besar data di pusat datanya.

Tiga Database Penyimpanan Data Berorientasi Kolom Paling Populer

Apache Cassandra adalah sistem penyimpanan data terkenal di berbagai basis data berorientasi kolom. Cassandra adalah proyek sumber terbuka sisi server yang dapat menangani sejumlah besar data di banyak server komoditas. DynamoDB, di sisi lain, menggunakan model database NoSQL dan dapat menyimpan semua jenis data. MariaDB mempertahankan model relasional dan SQL sementara juga memungkinkan pembuatan kueri analitik yang lebih cepat dan lebih mudah, menjadikannya pilihan populer untuk banyak basis data kolom.

Database Kolom Terbaik

Tidak ada jawaban pasti untuk pertanyaan ini karena tergantung pada preferensi dan kebutuhan individu. Namun, beberapa database kolom yang paling populer termasuk Amazon Redshift, Google BigQuery, dan Microsoft SQL Server. Semua basis data ini sangat dapat diskalakan dan menawarkan kinerja luar biasa untuk pergudangan data dan beban kerja analitik.

Data dalam database kolom disimpan dalam kolom, bukan baris. Dibandingkan dengan database baris tradisional , database berbentuk kolom memberikan berbagai keuntungan, termasuk kecepatan dan efisiensi. Sadas Engine adalah sistem manajemen basis data kolumnar yang paling kuat dan fleksibel yang tersedia baik di tempat maupun di cloud. ClickHouse adalah sistem manajemen basis data sumber terbuka yang mudah digunakan. Amazon Redshift, gudang data cloud tercepat di dunia, terus berkembang dalam kecepatan. ClickHouse menggunakan semua perangkat keras yang tersedia secara maksimal untuk memproses setiap kueri secepat mungkin. Mesin pencarian dan analitik Rockset memberdayakan tampilan dasbor langsung dan aplikasi waktu nyata.

Vertica adalah basis data analitis lanjutan tercepat dan terskala di pasar. Bahasa SQL ANSI sangat ideal untuk analisis petabyte karena dapat menangani data dengan kecepatan secepat kilat sekaligus menghilangkan biaya operasional. Analitik sesuai permintaan dalam skala besar dengan biaya kepemilikan tiga tahun 26%-34% lebih rendah daripada alternatif gudang data cloud. Anda dapat mengenkripsi data Anda sesuai permintaan dan di rumah dengan kunci enkripsi yang dikelola oleh perusahaan atau Anda dapat menyetelnya ke enkripsi sesuka hati. Database Greenplum adalah platform data paralel masif sumber terbuka yang menyediakan analitik, pembelajaran mesin, dan kemampuan kecerdasan buatan. Alat ini memberikan analisis data real-time pada volume data skala petabyte dengan kecepatan kilat. Dengan desain intinya, Druid menggabungkan ide dari gudang data, database deret waktu, dan sistem pencarian untuk membuat database analitik berkinerja tinggi secara real-time.

Apache 2 adalah kode sumber untuk proyek ini. Platform MariaDB, database sumber terbuka perusahaan, adalah dasar dari solusi ini. Platform ini dapat mendukung berbagai beban kerja transaksional, analitik, dan hybrid. MariaDB dapat diterapkan di perangkat keras komoditas atau di cloud publik, bergantung pada jenis perangkat keras yang digunakan. Siswa, guru, peneliti, pengusaha, usaha kecil, dan perusahaan multinasional dari seluruh dunia dapat bergabung dengan komunitas MonetDB. Kami menyediakan database-as-a-service untuk CrateDB, yang dikelola sepenuhnya. Penyimpanan tabel memudahkan untuk meningkatkan skala data Anda dengan meniadakan kebutuhan sharding secara manual.

Tiga kali data tersimpan suatu wilayah direplikasi menggunakan penyimpanan geo-redundan. Sangat mudah untuk mem-porting aplikasi lawas atau membangun yang baru dengan model data Kudu yang sederhana. Parket memungkinkan skema kompresi untuk ditentukan berdasarkan per kolom, dan ini terbukti di masa depan sehingga skema kompresi baru dapat ditambahkan bila diperlukan. Hypertable, seperti namanya, dirancang untuk memecahkan masalah skalabilitas dengan caranya sendiri. Ini dirancang untuk mendukung beban kerja OLAP berdasarkan DBMS InfiniDB berbentuk kolom . Performa QikkDB dalam data besar dan operasi poligon kompleks tidak tertandingi. Basis data qikkDB dibangun dengan fitur-fitur berikut: Ini adalah basis data kolom seri waktu historis lintas platform berkinerja tinggi dengan mesin komputasi dalam memori.

Q, prosesor streaming dan bahasa pemrograman, dimaksudkan untuk memungkinkan Anda mengekspresikan diri secara real time. Sorted Index, Bitmap Index, dan Inverted Index adalah tiga teknologi pengindeksan yang dapat digunakan. Apache Versi 2.0 telah dilisensikan untuk proyek ini.

Database Berorientasi Kolom Adalah Masa Depan

Sejumlah besar database telah dirancang di sekitar kolom dalam beberapa tahun terakhir. Karena database ini menyimpan data dalam baris dan kolom, mereka mudah digunakan dan dikelola. Ada beberapa database berorientasi kolom yang tersedia, termasuk MariaDB, CrateDB, ClickHouse, Greenplum Database, Apache Hbase, Apache Kudu, Apache Parquet, Hypertable, dan MonetDB. Data dokumen, grafik, dan kolom dapat dibuat dalam DynamoDB menggunakan model database NoSQL. MongoDB, perusahaan di belakang database penyimpanan dokumen, mengumumkan rilis pengindeksan columnstore, yang memungkinkan pengembang membangun kueri analitik ke dalam aplikasi mereka.

Contoh Database Kolom

Database kolom adalah jenis database yang menyimpan data dalam kolom, bukan baris. Jenis database ini sering digunakan untuk pergudangan data dan aplikasi analitik karena dapat memberikan kinerja dan skalabilitas yang lebih baik daripada database berbasis baris tradisional. Salah satu contoh database kolom adalah Apache HBase.

Operasi basis data berbeda dari basis data lain dalam kolom yang biasanya mendistribusikan informasi dalam baris. Kemampuan untuk menganalisis kumpulan data besar sangat menarik bagi database berbentuk kolom. Penyimpanan dokumen yang menggunakan database NoSQL semakin populer dalam beberapa tahun terakhir. Database grafik juga menjadi semakin populer karena semakin banyak orang menggunakannya karena mereka dapat memetakan data yang sangat berjejaring dengan sangat tepat. Untuk waktu yang lama, sistem manajemen basis data berbentuk kolom telah digunakan. Terlepas dari kenyataan bahwa implementasi yang tersedia masih sedikit, ada beberapa sistem yang telah dikembangkan. Akses ke aplikasi transaksional biasanya berbeda dengan akses ke aplikasi lain. Tugas ini akan dilakukan jauh lebih lambat dalam database kolom daripada di database konvensional .

Mengapa Basis Data Berorientasi Kolom Menjadi Semakin Populer

Database berorientasi kolom seperti Cassandra, MariaDB, dan CrateDB semakin populer sebagai solusi penyimpanan data untuk aplikasi yang menangani data dalam jumlah besar. Karena data dapat disimpan dalam database dengan banyak baris dari tabel yang sama (keluarga kolom), lebih mudah untuk menyimpan data dan meningkatkan kinerja.
Tersedia beberapa database berorientasi kolom, seperti MariaDB, CrateDB, ClickHouse, Greenplum Database, Apache Hbase, Apache Kudu, dan Apache Parquet. Semua database ini adalah open source dan telah berhasil digunakan dalam berbagai aplikasi.