Conceptual TechniquesThis section i

Conceptual Techniques
This section is devoted to the basic principles of NoSQL data modeling.
(1) Denormalization
Denormalization can be defined as the copying of the same data into multiple documents or tables in order to simplify/optimize query processing or to fit the user’s data into a particular data model. Most techniques described in this article leverage denormalization in one or another form.
In general, denormalization is helpful for the following trade-offs:
Query data volume or IO per query VS total data volume. Using denormalization one can group all data that is needed to process a query in one place. This often means that for different query flows the same data will be accessed in different combinations. Hence we need to duplicate data, which increases total data volume.
Processing complexity VS total data volume. Modeling-time normalization and consequent query-time joins obviously increase complexity of the query processor, especially in distributed systems. Denormalization allow one to store data in a query-friendly structure to simplify query processing.
Applicability: Key-Value Stores, Document Databases, BigTable-style Databases

ผลลัพธ์ (ไทย) 1:

เทคนิคแนวคิด
ส่วนนี้คือเพื่อรองรับการหลักการพื้นฐานของการสร้างแบบจำลองข้อมูล NoSQL.
denormalization (1)
denormalization สามารถกำหนดเป็นการคัดลอกข้อมูลเดียวกันลงในเอกสารหรือหลายตารางในการสั่งซื้อเพื่อลดความซับซ้อน / เพิ่มประสิทธิภาพการประมวลผลแบบสอบถามหรือเพื่อให้พอดีกับ ข้อมูลของผู้ใช้ในรูปแบบข้อมูลโดยเฉพาะอย่างยิ่ง. เทคนิคส่วนใหญ่อธิบายไว้ในบทความ denormalization ใช้ประโยชน์ในหนึ่งหรืออีกรูปแบบหนึ่ง
โดยทั่วไป denormalization จะมีประโยชน์สำหรับการค้าแข่งขันดังต่อไปนี้:
แบบสอบถามปริมาณข้อมูลหรือ io ต่อแบบสอบถาม VS ปริมาณข้อมูลทั้งหมด ใช้หนึ่ง denormalization สามารถจัดกลุ่มข้อมูลทั้งหมดที่จำเป็นในการประมวลผลแบบสอบถามในที่เดียวนี้มักจะหมายความว่าสำหรับการค้นหาที่แตกต่างกันไหลข้อมูลเดียวกันจะสามารถเข้าถึงในชุดที่แตกต่างกัน ด้วยเหตุนี้เราจำเป็นต้องข้อมูลที่ซ้ำกันซึ่งจะเป็นการเพิ่มปริมาณข้อมูลทั้งหมด. ความซับซ้อนของการประมวลผล
VS ปริมาณข้อมูลทั้งหมด ฟื้นฟูการสร้างแบบจำลองเวลาและผลที่เกิดขึ้นแบบสอบถามเวลาร่วมอย่างเห็นได้ชัดเพิ่มความซับซ้อนในการประมวลผลแบบสอบถามโดยเฉพาะอย่างยิ่งในระบบกระจายdenormalization ให้หนึ่งในการเก็บข้อมูลในโครงสร้างแบบสอบถามง่ายเพื่อให้ง่ายต่อการประมวลผลแบบสอบถามการบังคับใช้
:. เก็บค่าคีย์ฐานข้อมูลเอกสารฐานข้อมูล Bigtable สไตล์

ผลลัพธ์ (ไทย) 2:

เทคนิคแนวคิด
ส่วนนี้จะเกี่ยวหลักการพื้นฐานของ NoSQL ข้อมูล modeling.
(1) Denormalization
Denormalization สามารถกำหนดเป็นการคัดลอกข้อมูลเดียวกันในหลายเอกสารหรือตารางง่าย/เพิ่มประสิทธิภาพการประมวลผลแบบสอบถาม หรือเข้าของผู้ใช้ข้อมูลแบบใด เทคนิคส่วนใหญ่ที่อธิบายไว้ใน denormalization ยกระดับบทความนี้ในหนึ่ง หรืออื่น ๆ แบบฟอร์ม
denormalization เป็นประโยชน์สำหรับต่อไปนี้ทางเลือก:
ไดรฟ์ข้อมูลแบบสอบถามหรือ IO ต่อไดรฟ์ข้อมูลทั้งหมดที่สอบถาม VS ใช้ denormalization หนึ่งสามารถจัดกลุ่มข้อมูลทั้งหมดที่จำเป็นสำหรับการประมวลผลแบบสอบถามที่ บ่อยครั้งซึ่งหมายความ ว่า สำหรับขั้นตอนการสอบถามต่างๆ ข้อมูลเดียวกันจะสามารถเข้าถึงในชุด ดังนั้น เราจำเป็นต้องทำสำเนาข้อมูล การเพิ่มไดรฟ์ข้อมูลข้อมูลทั้งหมด
ประมวลผลปริมาณรวมข้อมูลซับซ้อน VS เวลาสร้างโมเดลฟื้นฟูและรวมเวลาการสอบถามตามมาอย่างชัดเจนเพิ่มความซับซ้อนของการประมวลผลแบบสอบถาม โดยเฉพาะอย่างยิ่งในระบบแบบกระจาย Denormalization อนุญาตการเก็บข้อมูลในโครงสร้างเป็นแบบสอบถามเพื่อทำการประมวลผลแบบสอบถามการ
ความเกี่ยวข้องของ: คีย์ค่าร้านค้า ฐานข้อมูลเอกสาร BigTable แบบฐานข้อมูล

ผลลัพธ์ (ไทย) 3:

แนวคิดเทคนิค
ซึ่งจะช่วยส่วนนี้เป็นหลักการขั้นพื้นฐานของ nosql ข้อมูลการสร้างแบบจำลอง.
( 1 ) denormalization
denormalization จะสามารถกำหนดเป็นการคัดลอกข้อมูลลงในที่เดียวกันหรือเอกสารหลายโต๊ะในการสั่งซื้อเพื่อเพิ่มความสะดวกและเพิ่ม ประสิทธิภาพ การสืบค้นและการประมวลผลให้เหมาะสมกับผู้ใช้ของข้อมูลลงในที่เฉพาะข้อมูลรุ่น.เทคนิคที่อธิบายไว้ใน denormalization ใช้ประโยชน์จากข้อนี้อยู่ในรายการหนึ่งหรืออีกรูปแบบ.
ใน denormalization ทั่วไปจะเป็นประโยชน์สำหรับการค้าต่อไปนี้:อุปกรณ์ต่อแยก:
สืบค้นข้อมูลจำนวนมากหรือแผง io io ต่อระดับเสียงการสืบค้นข้อมูลเมื่อเทียบกับยอดรวม ใช้หนึ่ง denormalization สามารถจัดกลุ่มข้อมูลทั้งหมดที่จำเป็นสำหรับการดำเนินการสืบค้นที่หนึ่งในสถานที่โรงแรมแห่งนี้มักหมายถึงการที่แตกต่างกันสำหรับการสืบค้นข้อมูลไหลเดียวกันจะได้เข้าถึงในการรวมตัวกันแตกต่างกัน ดังนั้นเราจำเป็นต้องทำซ้ำข้อมูลที่เพิ่มสูงขึ้นปริมาณข้อมูลจำนวนมาก.
การประมวลผลความซับซ้อนเมื่อเทียบกับยอดรวมข้อมูลทั้งหมด การสร้างแบบจำลอง - เวลาปกติและความมีหน้ามีตาคำถาม - เวลาเข้าร่วมเพิ่มความซับซ้อนของโปรเซสเซอร์คำถามโดยเฉพาะในระบบการกระจายอย่างเห็นได้ชัดdenormalization อนุญาตให้หนึ่งในการจัดเก็บข้อมูลในโครงสร้างการสืบค้น - ที่เต็มไปด้วย มิตรภาพ ที่เป็นไปอย่างง่ายดายให้การสืบค้นการประมวลผล.
การใช้ key-value จัดเก็บเอกสารฐานข้อมูล bigtable - สไตล์ฐานข้อมูล