(7) Scalability and Complexity Anal

(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:

(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:

(7) การปรับขยายและการวิเคราะห์ความซับซ้อน.
รูป 1 แสดงให้เห็นความสัมพันธ์ที่ซับซ้อน NoSQL Scalability.
ดังแสดงในรูป key-value NoSQL มีความเหมาะสมสำหรับข้อมูล
การใช้งานหนักในขณะที่ฐานข้อมูลกราฟ (ไม่รวม)
NoSQL เป็นแบบที่ดีที่สุดสำหรับการใช้งานการจัดการกับข้อมูลที่ซับซ้อน มัน
เป็นยังเห็นได้ชัดจากตัวเลขที่เอกสาร (รวม oriented)
NoSQL เป็นฐานข้อมูล NoSQL ที่เหมาะสมที่สุดที่มีความดี
ความสมดุลของ '' ข้อมูลซับซ้อน '' และ '' ขนาดข้อมูล '' ตั้งแต่ 90% ของการใช้งาน
กรณีมีมากดังต่อไป '' ขนาดข้อมูล '' ได้รับการสนับสนุนจากทั้ง
ฐานข้อมูล NoSQL ยังคงมากที่สุดของการประยุกต์ใช้เป็นอย่างดีทำงาน
กับ RDBMS ธรรมดา.
(8) การวิเคราะห์ NRW.
NRW (Node อ่านเขียน) การวิเคราะห์ จะใช้ในการวิเคราะห์
ลักษณะของฐานข้อมูลแบบกระจายว่าพวกเขาจะค้าปิด
. สอดคล้องอ่านและเขียนประสิทธิภาพ [24]
นี่
N คือจำนวนโหนดรักษาสำเนาของบันทึกการกระจาย;
W, จำนวนโหนดที่ประสบความสำเร็จต้องยอมรับสำหรับ
เขียน ที่จะมุ่งมั่นประสบความสำเร็จ.
R, จำนวนโหนดที่ต้องส่งกลับข้อมูลที่จะ
ได้รับการยอมรับว่าอ่านโดยระบบ.
ส่วนใหญ่ของฐานข้อมูล NoSQL ใช้ N> W> 1 IE มากขึ้น
มากกว่าหนึ่งเขียนต้องดำเนินการ แต่ไม่ทุกโหนดต้อง ได้รับการปรับปรุง
ทันที.
ตารางที่ 4 และ 5 หมวดหมู่ NoSQL ตาม NRW [25,24].
ว่า '' อ่านซ่อม '' อัลกอริทึมที่มักจะถูกนำมาใช้ในการปรับปรุง
ความสอดคล้องเมื่อ r = 1.
ต่อไปนี้คือกล้ามเนื้อมากขึ้นมีความสอดคล้องต่างๆ
ระดับ [24]