Introducing G2.ai, the future of software buying.Try now
Image de l'avatar du produit

HugeGraph

Afficher le détail des notes
4 avis
  • 1 profils
  • 1 catégories
Note moyenne des étoiles
4.5
Au service des clients depuis

Nom du profil

Évaluation par étoiles

3
1
0
0
0

HugeGraph Avis

Filtres d'avis
Nom du profil
Évaluation par étoiles
3
1
0
0
0
SS
Sarojini s.
08/08/2024
Évaluateur validé
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

Le cadre open source de traitement de données le plus rapide

C'est le traitement de données open source le plus rapide pour les applications big data comme Spark et Hadoop, offrant de meilleures perspectives et un traitement des données amélioré. L'intégration aux cadres de données existants est si simple et facile. Un peu difficile car il utilise le langage Germlin, mais c'est un excellent outil.
YG
YNOCENCIO G.
06/03/2024
Évaluateur validé
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

Performance et évolutivité ultra-rapides

Je suis capable d'analyser des requêtes parallèles, ou des requêtes qui traitent des milliards de sommets et d'arêtes, en une fraction de seconde. Cela signifie que je monétise mon moteur de recommandation pour les clients en temps réel et sans aucun délai.
DL
Davit L.
10/18/2023
Évaluateur validé
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

Fournisseur de base de données graphique de haute qualité

HugeGraph est conçu pour gérer d'énormes quantités de données de graphe, ce qui le rend adapté aux applications impliquant des relations complexes et de grands ensembles de données.

À propos

Réseaux sociaux

Qu'est-ce que HugeGraph ?

HugeGraph is an open-source graph database project under the Apache Software Foundation. It is designed to handle large-scale graph data with high performance and scalability. HugeGraph provides a rich set of features, including fast graph traversal, flexible schema management, and support for OLTP (Online Transaction Processing) and OLAP (Online Analytical Processing) workloads. It is particularly useful for complex relationship analysis, social network analysis, and any application requiring efficient data interconnectedness.

Détails