If we can easily see how volume, ve

If we can easily see how volume, velocity, veracity and variety influence the pipeline of Big Data architecture, there is
another important aspect in data to handle in Big Data Architecture: privacy. R. Hillard7 considers it to be very important that privacy appears in a good place in his definition of
Big Data. Privacy can cause problems at the creation of data
(someone who wants to hide some piece of information), at
the analysis on data [1] because if we want to aggregate data or
to correlate it we could have to access private data; and privacy can also cause inconsistencies at the purging of database.
Indeed if we delete all individuals data we can get incoherences with aggregate data.
To sum up handle Big Data implies having an infrastructure
linear scalable, able to handle high throughput multi-formatted
data, fault tolerant, auto recoverable, with a high degree of
parallelism and a distributed data processing [3]. It is important
to note that, in this management, integrating data (i.e
“access, parse, normalize, standardize, integrate, cleanse,
extract, match, classify, mask, and deliver data.” [4, chap. 21])
represents 80% of a Big Data project. This aspect is deeply
discussed in Section 3.3.

ผลลัพธ์ (ไทย) 1:

ถ้าเราสามารถมองเห็นได้อย่างง่ายดายวิธีปริมาณ ความเร็ว จริง และความหลากหลายมีอิทธิพลต่อขั้นตอนของสถาปัตยกรรมข้อมูลขนาดใหญ่อีกเรื่องที่สำคัญในข้อมูลในสถาปัตยกรรมข้อมูลขนาดใหญ่: ความเป็นส่วนตัว R. Hillard7 พิจารณาเป็นสำคัญส่วนบุคคลปรากฏในสถานที่ดีในนิยามของเขาข้อมูลขนาดใหญ่ ความเป็นส่วนตัวทำให้เกิดปัญหาในการสร้างข้อมูล(คนที่ต้องการซ่อนของข้อมูล), ที่การวิเคราะห์ข้อมูล [1] เนื่องจากหากเราต้องการรวมข้อมูล หรือการเชื่อมโยงนั้นเราอาจเข้าถึงข้อมูลส่วนตัว และความเป็นส่วนตัวทำให้เกิดความไม่สอดคล้องที่ล้างข้อมูลของฐานข้อมูลแน่นอนถ้าเราลบข้อมูลบุคคลทั้งหมด เราจะได้รับ incoherences ด้วยข้อมูลรวมกันรวมการจัดการ ข้อมูลขนาดใหญ่หมายถึงมีโครงสร้างพื้นฐานเชิงเส้นปรับขนาดได้ สามารถรองรับอัตราความเร็วสูงหลายรูปแบบข้อมูล อดทน ข้อบกพร่องรถยนต์คืน กับระดับสูงของขนานและประมวลผลข้อมูลแบบกระจาย [3] มันเป็นสิ่งสำคัญหมายเหตุที่ ในการจัดการนี้ การรวมข้อมูล (เช่น"เข้าถึง แยก ปกติ มาตรฐาน รวม ทำความ สะอาดแยก ตรง จัด ประเภท หน้ากาก และส่งข้อมูล" [4, chap. 21])ถึง 80% ของโครงการข้อมูลขนาดใหญ่ ด้านนี้เป็นอย่างมากกล่าวถึงในส่วนที่ 3.3

ผลลัพธ์ (ไทย) 2:

ถ้าเราสามารถดูว่าปริมาณความเร็วความจริงและความหลากหลายที่มีอิทธิพลต่อท่อของสถาปัตยกรรมข้อมูลขนาดใหญ่ที่มีความ
สำคัญอีกอย่างหนึ่งในข้อมูลที่จะจัดการในสถาปัตยกรรมข้อมูลของบิ๊ก: ความเป็นส่วนตัว อาร์ Hillard7 เห็นว่ามันจะมีความสำคัญมากที่ความเป็นส่วนตัวปรากฏในสถานที่ที่ดีในความหมายของเขา
ข้อมูลขนาดใหญ่ ความเป็นส่วนตัวอาจทำให้เกิดปัญหาในการสร้างข้อมูล
(คนที่ต้องการที่จะซ่อนชิ้นส่วนของข้อมูลบางส่วน) ใน
การวิเคราะห์เกี่ยวกับข้อมูล [1] เพราะถ้าเราต้องการที่จะรวบรวมข้อมูลหรือ
ความสัมพันธ์มันเราจะได้มีการเข้าถึงข้อมูลส่วนตัว และความเป็นส่วนตัวยังสามารถทำให้เกิดความไม่สอดคล้องกันในการกวาดล้างของฐานข้อมูล.
อันที่จริงถ้าเราลบข้อมูลบุคคลทั้งหมดที่เราสามารถได้รับ incoherences กับข้อมูลโดยรวม.
เพื่อสรุปผลการจัดการข้อมูลขนาดใหญ่หมายถึงการมีโครงสร้างพื้นฐาน
เชิงเส้นสามารถปรับขนาดได้สามารถจัดการกับอัตราความเร็วสูงหลายรูปแบบ
ข้อมูล ทนความผิดอัตโนมัติคืนที่มีระดับสูงของ
ความเท่าเทียมและการประมวลผลข้อมูลกระจาย [3] มันเป็นสิ่งสำคัญ
ที่จะทราบว่าในการจัดการนี้การบูรณาการข้อมูล (เช่น
"การเข้าถึงแยกปกติมาตรฐานบูรณาการทำความสะอาด,
สารสกัด, การแข่งขัน, การจำแนกหน้ากากและส่งข้อมูล." [4 CHAP. 21])
แสดงให้เห็นถึง 80% ของโครงการข้อมูลขนาดใหญ่ ด้านนี้เป็นอย่างล้ำลึก
ที่กล่าวไว้ในมาตรา 3.3

ผลลัพธ์ (ไทย) 3:

如果我们可以看到，增加容量，easily如何影响管道的veracity和品种，有大数据的体系结构是另一个重要aspect to handle在大数据在数据隐私。Hillard7架构：它是非常重要considers在一个好地方，这appears在隐私上的清晰度大数据是隐私问题。可以在creation of data一些人只想对谁（的信息），在一块对数据的分析[ 1 ]，因为如果我们想aggregate数据或我们必须对它correlate私有数据，可以访问和隐私；也可以因为在purging inconsistencies（database。如果我们删除所有个人数据Indeed incoherences aggregate数据我们可以得到与。“和一个游戏，就是拥有大数据的处理，一般采用组合的基础设施一个线性scalable，高吞吐量multi-formatted handle。汽车故障数据，tolerant高度），与一个recoverable和一个分散的数据处理parallelism 3 ] [这是重要。这是一个集，在这个数据的管理（即，“normalize通路，将standardize，integrate cleanse，，，，一个match，蛋白胨，classify DELIVER”，和数据。21 ]，[ 4 chap）。一个大数据represents 80%这个项目aspect是深。在3.3讨论部分。