Many of the NOSQL databases above a

Many of the NOSQL databases above all have loosened up the requirements on
Consistency in order to achieve better Availability and Partitioning. This resulted in systems
know as BASE (Basically Available, Soft-state, Eventually consistent) [39]. These have no
transactions in the classical sense and introduce constraints on the data model to enable better
partition schemes. Han, J., Haihong, E., Le, G., & Du, J. (2011) classifies NoSQL databases
according to the CAP theorem [14]. Tudorica, B. G., & Bucur, C. (2011), compares using
multiple criteria between several NoSQL databases [15].

Primary Uses of NoSQL Database (1) Large-scale data processing (parallel
processing over distributed systems); (2) Embedded IR (basic machine-to-machine
information look-up & retrieval); (3) Exploratory analytics on semi-structured data (expert
level); (4) Large volume data storage (unstructured, semi-structured, small-packet structured).

Accordingly, they provide relatively inexpensive, highly scalable storage for high-
volume, small-packet historical data like logs, call-data records, meter readings, and ticker
snapshots (i.e., ―big bit bucket‖ storage), and for unwieldy semi-structured or unstructured
data (email archives, xml files, documents, etc.). Their distributed framework also makes
them ideal for massive batch data processing (aggregating, filtering, sorting, algorithmic
crunching (statistical or programmatic), etc.). They are good as well for machine-to-machine
data retrieval and exchange, and for processing high-volume transactions, as long as ACID
constraints can be relaxed, or at least enforced at the application level rather than within the
DMS. Finally, these systems are very good exploratory analytics against semi-structured or
hybrid data, though to tease out intelligence, the researcher usually must be a skilled
statistician working in tandem with a skilled programmer.

ผลลัพธ์ (ไทย) 1:

หลายฐานข้อมูล NOSQL ข้างต้นทั้งหมดมีหลวมขึ้นความต้องการในความสอดคล้องกันเพื่อให้บรรลุดีพร้อมและ Partitioning ส่งผลให้ระบบรู้เป็นฐาน (โดยทั่วไปมี รัฐอ่อน สอดคล้องกันในที่สุด) [39] ไม่มีเหล่านี้ธุรกรรมในแบบคลาสสิกรู้สึก และแนะนำข้อจำกัดของรูปแบบข้อมูลให้ดียิ่งขึ้นรูปแบบพาร์ติชัน ฮั่น J., Haihong, E. เลอ กรัม และ Du, J. (2011) แบ่งประเภทของฐานข้อมูล NoSQLตามทฤษฎีบท CAP [14] Tudorica, B. G., & Bucur, C. (2011), เปรียบเทียบโดยใช้หลายเงื่อนไขระหว่าง NoSQL หลายฐานข้อมูล [15] หลักใช้ของ NoSQL ฐานข้อมูล (1) ขนาดใหญ่ประมวลผลข้อมูล (ขนานประมวลผลผ่านระบบกระจาย); (2) ฝังตัว IR (พื้นฐานเครื่องกับเครื่องค้นหาข้อมูลและเรียกข้อมูล); (3) เชิงบุกเบิกวิเคราะห์ข้อมูลกึ่งโครงสร้าง (ผู้เชี่ยวชาญระดับ); (4) จำนวนมากข้อมูลเก็บ (ไม่มีโครงสร้าง กึ่งโครง สร้าง ขนาดเล็กกลุ่มโครงสร้าง) ตาม พวกเขาให้เก็บแพง เร็วสูงปริมาตร เล็กแพ็คเก็ตข้อมูลทางประวัติศาสตร์เช่นบันทึก เรียกข้อมูล มิเตอร์ และสัญลักษณ์ภาพรวม (เช่น ―big บิต bucket‖ เก็บข้อมูล), และ unwieldy ไม่มีโครงสร้าง หรือกึ่งโครงสร้างข้อมูล (เก็บอีเมล ไฟล์ xml เอกสาร ฯลฯ) กรอบการกระจายยังทำให้พวกเขาเหมาะสำหรับชุดใหญ่ประมวลผลข้อมูล (การรวบรวม กรอง เรียง ลำดับ algorithmicถูกกระทืบ (ทางสถิติ หรือทางโปรแกรม) ฯลฯ) พวกเขาจะดีสำหรับเครื่องจักรเช่นเรียกข้อมูลและแลกเปลี่ยน และ สำหรับธุรกรรมปริมาณ การประมวลผลจึงเป็นกรดข้อจำกัดสามารถผ่อนคลาย หรือที่ บังคับใช้ ในระดับโปรแกรมประยุกต์ แทนภายในDMS ในที่สุด ระบบเหล่านี้จะวิเคราะห์เชิงบุกเบิกดีกับกึ่งโครงสร้าง หรือข้อมูลแบบผสมผสาน ว่าหยอกออกปัญญา นักวิจัยมักจะต้องเป็นผู้เชี่ยวชาญstatistician ตัวตามกันไปทำงานกับโปรแกรมเมอร์ผู้เชี่ยวชาญ

ผลลัพธ์ (ไทย) 2:

หลายฐานข้อมูล NOSQL ข้างต้นทั้งหมดได้คลายความต้องการใน
ความสอดคล้องในการสั่งซื้อเพื่อให้บรรลุสถานะที่ดีขึ้นและการแยกตัว นี้ส่งผลให้ระบบ
รู้เป็นฐาน (Available โดยทั่วไป Soft-รัฐที่สอดคล้องกันในที่สุด) [39] เหล่านี้ไม่มี
การทำธุรกรรมในความรู้สึกคลาสสิกและแนะนำข้อ จำกัด ในรูปแบบข้อมูลเพื่อเปิดใช้งานที่ดีขึ้น
รูปแบบพาร์ทิชัน ฮันเจ Haihong, อีเลอ, G. & Du เจ (2011) จัดประเภทฐานข้อมูล NoSQL
ตามทฤษฎีบท CAP [14] Tudorica, BG & Bucur, C. (2011), เปรียบเทียบโดยใช้
เกณฑ์หลายระหว่างฐานข้อมูลหลาย NoSQL [15]. การใช้หลักของฐานข้อมูล NoSQL (1) ขนาดใหญ่การประมวลผลข้อมูล (ขนานการประมวลผลที่เหนือกว่าระบบกระจาย); (2) สมองกลฝังตัว IR (machine-to-machine พื้นฐานข้อมูลที่มองขึ้นและดึง); (3) การวิเคราะห์สำรวจเกี่ยวกับข้อมูลกึ่งโครงสร้าง (ผู้เชี่ยวชาญระดับ); (4) การจัดเก็บข้อมูลปริมาณขนาดใหญ่ (ที่ไม่มีโครงสร้างกึ่งโครงสร้างแพ็คเก็ตขนาดเล็กโครงสร้าง). ดังนั้นพวกเขาให้ราคาไม่แพงนักจัดเก็บข้อมูลที่ปรับขนาดได้อย่างมากสำหรับสูงปริมาณแพ็คเก็ตขนาดเล็กข้อมูลทางประวัติศาสตร์เช่นบันทึกบันทึกเรียกข้อมูล, อ่านมิเตอร์ และสัญลักษณ์ภาพรวม (เช่นบิต -Big จัดเก็บbucket‖) และสำหรับกึ่งโครงสร้างหรือไม่มีโครงสร้างเทอะทะข้อมูล (อีเมลที่เก็บไฟล์ XML, เอกสารและอื่น ๆ ) กรอบการกระจายของพวกเขานอกจากนี้ยังทำให้พวกเขาเหมาะสำหรับชุดการประมวลผลข้อมูลขนาดใหญ่ (รวมกรองการเรียงลำดับขั้นตอนการกระทืบ (สถิติหรือการเขียนโปรแกรม) และอื่น ๆ ) พวกเขาจะดีเช่นกันสำหรับเครื่องต่อเครื่องดึงข้อมูลและอัตราแลกเปลี่ยนและสำหรับการประมวลผลการทำธุรกรรมในปริมาณมากเป็นเวลานานเป็นกรดข้อ จำกัด สามารถผ่อนคลายหรืออย่างน้อยการบังคับใช้ในระดับที่ใช้มากกว่าภายในDMS ในที่สุดระบบเหล่านี้มีการวิเคราะห์สอบสวนที่ดีมากกับแบบกึ่งโครงสร้างหรือข้อมูลไฮบริดแม้ว่าจะหยอกล้อออกปัญญานักวิจัยมักจะต้องมีทักษะสถิติการทำงานควบคู่กับการเป็นโปรแกรมเมอร์ที่มีฝีมือ

ผลลัพธ์ (ไทย) 3:

หลายของ nosql ฐานข้อมูลทั้งหมดได้ตามความต้องการเพื่อให้บรรลุความสอดคล้อง
ความพร้อมและการ . ส่งผลให้ระบบ
รู้เป็นฐาน ( โดยทั่วไปใช้ได้ นุ่ม สภาพ ในที่สุดที่สอดคล้องกัน ) [ 39 ] เหล่านี้ไม่มี
ธุรกรรมในความรู้สึกคลาสสิก และแนะนำข้อ จำกัด ในรูปแบบข้อมูลเพื่อเปิดใช้งานได้ดี
พาร์ทิชันแบบ . ฮัน เจ ประมวลผล ว่านเลอ , G . & du , J . ( 2011 ) ระหว่างฐานข้อมูล nosql
ตามหมวกทฤษฎีบท [ 14 ] tudorica บี จี & bucur , C . ( 2011 ) , เปรียบเทียบการใช้
หลายเกณฑ์ระหว่างฐานข้อมูล nosql หลาย [ 15 ] .

การใช้ฐานข้อมูล nosql ( 1 ) การประมวลผลข้อมูลขนาดใหญ่ ( การประมวลผลแบบขนาน
ผ่านระบบกระจาย ) ( 2 ) และฝังตัว ( พื้นฐานเครื่องเครื่อง
&สืบค้นข้อมูลดูแล้ว )( 3 ) เครื่องมือในการวิเคราะห์ข้อมูลโครงสร้าง - กึ่ง ( ระดับผู้เชี่ยวชาญ
) ; ( 4 ) จัดเก็บข้อมูลปริมาณมาก ( ไม่มีโครงสร้าง , โครงสร้างแบบกึ่งโครงสร้างเล็ก แพ็คเก็ต )

ดังนั้นพวกเขาให้แพง กระเป๋าสูง ยืดหยุ่นสูง -
ปริมาณขนาดเล็กแพ็คเก็ตข้อมูลทางประวัติศาสตร์ เช่น บันทึก , บันทึกการโทร , ข้อมูลการอ่านเมตรและสัญลักษณ์
ภาพรวม ( เช่น ถังใหญ่หน่อย ผมอยาก‖กระเป๋า )และแบบกึ่งโครงสร้างเทอะทะ หรือข้อมูลที่ไม่มีโครงสร้าง
( อีเมล์ เก็บไฟล์ เอกสาร ฯลฯ ) การกระจายของกรอบทำให้
เหมาะสำหรับการประมวลผลข้อมูลชุดใหญ่ ( เครือ การกรอง การเรียงลำดับ ขั้นตอน
กระทืบ ( สถิติหรือการเขียนโปรแกรม ) ฯลฯ ) พวกเขาจะดีสำหรับเครื่อง เครื่องดึง
ข้อมูลและแลกเปลี่ยน และการประมวลผลธุรกรรม ก็คือตราบใดที่เงื่อนไขกรด
สามารถผ่อนคลายหรืออย่างน้อยที่บังคับใช้ในการใช้มากกว่าระดับภายใน
DMS . ในที่สุด , เหล่านี้เป็นระบบที่ดีมากกับวิธีการสำรวจ วิเคราะห์ข้อมูล หรือ
ไฮบริด แม้ว่าล้อออกทางผู้วิจัยมักจะต้องมีฝีมือ
สถิติการทำงานควบคู่กับโปรแกรมเมอร์ที่มีทักษะ