As a matter of fact, latency tends

As a matter of fact, latency tends to come at the cost of consistency.
Considering several replicas in the system, a client could
immediately read the first replica which it can access without
checking consistency. The second option is that the client could opt

for the ‘‘Quorum reads’’, which requires the system to check for inconsistency
across multiple replicas before reading. Surely the second
option causes some amount of latency. Difference in latency
between these two options can be a factor of four or more [22].
(7) Scalability and Complexity Analysis.
Fig. 1 shows the NoSQL Scalability Complexity relationship.
As shown in the figure Key-value NoSQL are suitable for data
intensive applications, while the Graph databases (Non Aggregate)
NoSQL are best fit for applications dealing with complex data. It
is also evident from the figure that, the Document (Aggregate oriented)
NoSQL is the most suitable NoSQL databases having a good
balance of ‘‘Data Complexity’’ and ‘‘Data Size’’. Since 90% of use
cases are much below the ‘‘Data Size’’ supported by the entire
NoSQL database, still most of the application is perfectly running
with conventional RDBMS.
(8) NRW Analysis.
NRW (Node, Read, Write) analysis is used to analyze the
characteristics of distributed database how they will trade off
Consistency, Read and Write performance [24].
Here,
N is the number of Nodes keeping copies of distributed record;
W, number of nodes that must successfully acknowledge for a
Write to be successfully committed.
R, the number of nodes that must send back the data to be
accepted as read by the system.
The majority of NoSQL databases uses N > W > 1 i.e. more
than one write must complete, but not all nodes need to be updated
immediately.
Tables 4 and 5 categorize the NoSQL according to NRW [25,24].
The ‘‘Read Repair’’ algorithm is often implemented to improve
consistency when R = 1.
The following are some more muscle with various Consistency
levels [24].

ผลลัพธ์ (ไทย) 1:

ที่แท้ที่จริง แฝงจะ มีค่าความสอดคล้องพิจารณาแบบจำลองต่าง ๆ ในระบบ ไคลเอนต์สามารถอ่านแบบจำลองแรกที่เข้าถึงโดยทันทีตรวจสอบความสอดคล้อง ตัวเลือกที่สองคือการ ที่ลูกค้าสามารถเลือกสำหรับ ''ควอรัมอ่านใน '', ซึ่งต้องมีระบบการตรวจสอบความไม่สอดคล้องในแบบจำลองหลายก่อนที่จะอ่าน แน่นอนที่สองตัวเลือกทำให้จำนวนเวลาแฝง ความแตกต่างในเวลาแฝงระหว่างสองตัวเลือกเหล่านี้สามารถเป็นตัวคูณของสี่หรือมากกว่า [22](7) ขยายและการวิเคราะห์ความซับซ้อนรูปที่ 1 แสดงความสัมพันธ์ซับซ้อนขยาย NoSQLแสดงไว้ในรูป NoSQL คีย์ค่าเหมาะสมสำหรับข้อมูลเร่งรัด ในขณะที่ใช้ฐานข้อมูลกราฟ (ไม่รวม)NoSQL จะเหมาะสมที่สุดสำหรับการใช้งานจัดการกับข้อมูลที่ซับซ้อน มันจะเห็นได้จากรูปที่ เอกสาร (รวมไมตรี)NoSQL เป็นฐาน NoSQL เหมาะสมที่สุดที่มีดีสมดุลของ ''ข้อมูลซับซ้อน '' และ ''ขนาดข้อมูล '' ตั้งแต่ 90% ของการใช้กรณีมีมากด้านล่าง ''ขนาดข้อมูล '' โดยทั้งหมดฐานข้อมูล NoSQL ส่วนใหญ่ของโปรแกรมประยุกต์ยังคงสมบูรณ์อยู่กับ RDBMS ธรรมดา(8) การวิเคราะห์ NRWวิเคราะห์ NRW (โหน อ่าน เขียน) ถูกใช้เพื่อวิเคราะห์การลักษณะของฐานข้อมูลแบบกระจายที่ว่าพวกเขาจะค้าปิดความสอดคล้อง อ่าน และเขียนประสิทธิภาพ [24]ที่นี่N คือ จำนวนโหนรักษาสำเนาของระเบียนแจกจ่ายW โหนที่ต้องการรับทราบเรียบร้อยแล้วสำหรับการเขียนไปจะทำให้สำเร็จR หมายเลขของโหนดที่ต้องส่งกลับข้อมูลจะยอมรับว่าอ่านแล้ว โดยระบบส่วนใหญ่ของ NoSQL ฐานข้อมูลใช้ N > W > 1 เพิ่มเติมเช่นกว่าหนึ่งเขียน ต้องโหนสมบูรณ์ แต่ไม่ทั้งหมดต้องปรับปรุงหรือไม่ในทันทีตารางที่ 4 และ 5 จัดประเภท NoSQL ตาม NRW [25,24]อัลกอริทึม ''อ่านซ่อม '' มักจะนำมาใช้เพื่อปรับปรุงความสอดคล้องเมื่อ R = 1กล้ามเนื้อบางมากขึ้น มีความสอดคล้องกันต่าง ๆ ได้ต่อไประดับ [24]

ผลลัพธ์ (ไทย) 2:

เป็นเรื่องของความเป็นจริงแฝงแนวโน้มที่จะมาที่ค่าใช้จ่ายของความมั่นคง.
พิจารณาหลายแบบจำลองในระบบลูกค้าสามารถ
ทันทีอ่านจำลองครั้งแรกที่มันสามารถเข้าถึงได้โดยไม่ต้อง
ตรวจสอบความสอดคล้อง ตัวเลือกที่สองคือการที่ลูกค้าสามารถเลือกสำหรับ '' องค์ประชุมอ่าน '' ซึ่งจะต้องมีระบบในการตรวจสอบความไม่สอดคล้องกันทั่วจำลองหลายก่อนที่จะอ่าน แน่นอนที่สองตัวเลือกที่ทำให้เกิดปริมาณของความล่าช้าบาง ความแตกต่างในความล่าช้าระหว่างทั้งสองตัวเลือกที่สามารถเป็นปัจจัยสี่หรือมากกว่า [22] ได้. (7) ความยืดหยุ่นและการวิเคราะห์ความซับซ้อน. รูป 1 แสดงให้เห็นความสัมพันธ์ที่ซับซ้อน NoSQL Scalability. ดังแสดงในรูป key-value NoSQL มีความเหมาะสมสำหรับข้อมูลการใช้งานหนักในขณะที่ฐานข้อมูลกราฟ (ไม่รวม) NoSQL เป็นแบบที่ดีที่สุดสำหรับการใช้งานการจัดการกับข้อมูลที่ซับซ้อน มันเป็นยังเห็นได้ชัดจากตัวเลขที่เอกสาร (รวม oriented) NoSQL เป็นฐานข้อมูล NoSQL ที่เหมาะสมที่สุดที่มีความดีความสมดุลของ '' ข้อมูลซับซ้อน '' และ '' ขนาดข้อมูล '' ตั้งแต่ 90% ของการใช้งานกรณีมีมากดังต่อไป '' ขนาดข้อมูล '' ได้รับการสนับสนุนจากทั้งฐานข้อมูล NoSQL ยังคงมากที่สุดของการประยุกต์ใช้เป็นอย่างดีทำงานกับ RDBMS ธรรมดา. (8) การวิเคราะห์ NRW. NRW (Node อ่านเขียน) การวิเคราะห์ จะใช้ในการวิเคราะห์ลักษณะของฐานข้อมูลแบบกระจายว่าพวกเขาจะค้าปิด. สอดคล้องอ่านและเขียนประสิทธิภาพ [24] นี่N คือจำนวนโหนดรักษาสำเนาของบันทึกการกระจาย; W, จำนวนโหนดที่ประสบความสำเร็จต้องยอมรับสำหรับเขียน ที่จะมุ่งมั่นประสบความสำเร็จ. R, จำนวนโหนดที่ต้องส่งกลับข้อมูลที่จะได้รับการยอมรับว่าอ่านโดยระบบ. ส่วนใหญ่ของฐานข้อมูล NoSQL ใช้ N> W> 1 IE มากขึ้นมากกว่าหนึ่งเขียนต้องดำเนินการ แต่ไม่ทุกโหนดต้อง ได้รับการปรับปรุงทันที. ตารางที่ 4 และ 5 หมวดหมู่ NoSQL ตาม NRW [25,24]. ว่า '' อ่านซ่อม '' อัลกอริทึมที่มักจะถูกนำมาใช้ในการปรับปรุงความสอดคล้องเมื่อ r = 1. ต่อไปนี้คือกล้ามเนื้อมากขึ้นมีความสอดคล้องต่างๆระดับ [24]