work complete, done is better than perfect

translated/NoSQL comparison.md

@@ -1,11 +1,11 @@
-各种 NoSQL 的比较 TODO: 中英文之间需要半角空格
+各种 NoSQL 的比较
 ================
 
 即使关系型数据库依然是非常有用的工具，它们持续几十年的垄断地位就要走到头了。现在已经存在无数能撼动关系型数据库地位的 NoSQL，当然，这些 NoSQL 还无法完全取代它们。（也就是说，关系型数据库还是处理关系型事务的最佳方式。）
 
 NoSQL 与 NoSQL 之间的区别，要远大于 SQL 与 SQL 之间的区别。所以软件架构师必须要在项目一开始就选好一款合适的 NoSQL。
 
-考虑到这种情况，本文为大家介绍以下几种 NoSQL 之间的区别：[Cassandra][], [Mongodb][], [CouchDB][], [Redis][], [Riak][], [Couchbase (ex-Membase)][], [Hypertable][], [ElasticSearch][], [Accumulo][], [VoltDB][], [Kyoto Tycoon][], [Scalaris][], [Neo4j][]和[HBase][]:
+考虑到这种情况，本文为大家介绍以下几种 NoSQL 之间的区别：[Cassandra][], [Mongodb][], [CouchDB][], [Redis][], [Riak][], [Couchbase (ex-Membase)][], [Hypertable][], [ElasticSearch][], [Accumulo][], [VoltDB][], [Kyoto Tycoon][], [Scalaris][], [Neo4j][]和[HBase][]：
 
 ##最流行的 NoSQL
 
@@ -13,7 +13,7 @@ NoSQL 与 NoSQL 之间的区别，要远大于 SQL 与 SQL 之间的区别。所
 
 **开发语言：** C++
 
-**主要特性：** 保留 SQL 中一些用户友好的特性（查询、索引等）。
+**主要特性：** 保留 SQL 中一些用户友好的特性（查询、索引等）
 
 **许可证：** AGPL (发起者: Apache)
 
@@ -33,344 +33,345 @@ NoSQL 与 NoSQL 之间的区别，要远大于 SQL 与 SQL 之间的区别。所
 - 支持对数据建立索引
 - 数据中心意识
 
-**应用场景：**动态查询；需要定义索引而不是 map/reduce 功能；提高大数据库性能；想使用 CouchDB 但数据的 IO 吞吐量太大，CouchDB 无法满足要求。MongoDB 可以满足你的需求。
+**应用场景：** 动态查询；需要定义索引而不是 map/reduce 功能；提高大数据库性能；想使用 CouchDB 但数据的 IO 吞吐量太大，CouchDB 无法满足要求。MongoDB 可以满足你的需求
 
-**使用案例：**想布署 MySQL 或 PostgreSQL，但它们存在的预定义处理语句和预定义变量让你望而却步。这个时候，MongoDB 是你可以考虑的选项。
+**使用案例：** 想布署 MySQL 或 PostgreSQL，但它们存在的预定义处理语句和预定义变量让你望而却步。这个时候，MongoDB 是你可以考虑的选项
 
 ###Riak 1.2版
 
 **开发语言：** Erlang、C、以及一些 JavaScript
 
-**主要特性：**容错机制（当一份数据失效，服务会自动切换到备份数据，保证服务一直在线 —— 译者注）
+**主要特性：** 容错机制（当一份数据失效，服务会自动切换到备份数据，保证服务一直在线 —— 译者注）
 
 **许可证：** Apache
 
 **数据传输、存储的格式：** HTTP/REST 架构，自定义二进制格式
 
-- 可存储 BLOB（binary large object，二进制大对象，比如一张图片、一个声音文件 —— 译者注）。
-- 可在分部式存储和备份存储之间作协调。
-- 为了保证可验证性和安全性，Riak 在 JS 和 Erlaing 中提供提交前（pre-commit）和提交后（post-commit）钩子（hook）函数（你可以在提交数据前执行一个 hook，或者在提交数据后执行一个 hook —— 译者注）。
-- JS 和 Erlang 提供映射和简化（map/reduce）编程模型。
-- 使用 links 和 link walking 图形化数据库（link 用于描述对象之间的关系，link walking 是一个用于查询对象关系的进程 —— 译者注）。
-- 次要标记（secondaty indeces，开发者在写数据时可用多个名称来标记一个对象 —— 译者注），一次只能用一个。
-- 支持大数据对象（Luwak）（Luwak 是 Riak 中的一个服务层，为大数据量对象提供简单的、面向文档的抽象，弥补了 Riak 的 Key/Value 存储格式在处理大数据对象方面的不足 —— 译者注）。
-- 提供“开源”和“企业”两个版本。
-- 提供“全文搜索”（可能就是允许用户在不提供 table/volume 等信息，对一个表进行文本字段的搜索，瞎猜的，望指正 —— 译者注）。
-- 正在将存储后端从“Bitcask”迁移到 Google 的“LevelDB”上。
-- 企业版本提供多点备份（各点地位平等，非主从架构）和SNMP监控功能。
+- 可存储 BLOB（binary large object，二进制大对象，比如一张图片、一个声音文件 —— 译者注）
+- 可在分部式存储和备份存储之间作协调
+- 为了保证可验证性和安全性，Riak 在 JS 和 Erlaing 中提供提交前（pre-commit）和提交后（post-commit）钩子（hook）函数（你可以在提交数据前执行一个 hook，或者在提交数据后执行一个 hook —— 译者注）
+- JS 和 Erlang 提供映射和简化（map/reduce）编程模型
+- 使用 links 和 link walking 图形化数据库（link 用于描述对象之间的关系，link walking 是一个用于查询对象关系的进程 —— 译者注）
+- 次要标记（secondaty indeces，开发者在写数据时可用多个名称来标记一个对象 —— 译者注），一次只能用一个
+- 支持大数据对象（Luwak）（Luwak 是 Riak 中的一个服务层，为大数据量对象提供简单的、面向文档的抽象，弥补了 Riak 的 Key/Value 存储格式在处理大数据对象方面的不足 —— 译者注）
+- 提供“开源”和“企业”两个版本
+- 提供“全文搜索”（可能就是允许用户在不提供 table/volume 等信息，对一个表进行文本字段的搜索，瞎猜的，望指正 —— 译者注）
+- 正在将存储后端从“Bitcask”迁移到 Google 的“LevelDB”上
+- 企业版本提供多点备份（各点地位平等，非主从架构）和SNMP监控功能
 
-**应用场景：**假如你想要类似 Dynamo 的数据库，但不想要它的庞大和复杂；假如你需要良好的单点可扩展性、可用性和容错能力，但不想为多点备份买单。 Riak 能满足你的需求。
+**应用场景：** 假如你想要类似 Dynamo 的数据库，但不想要它的庞大和复杂；假如你需要良好的单点可扩展性、可用性和容错能力，但不想为多点备份买单。 Riak 能满足你的需求
 
-**使用案例：**销售点数据收集；工厂控制系统；必须实时在线的系统；需要易于升级的网站服务器。
+**使用案例：** 销售点数据收集；工厂控制系统；必须实时在线的系统；需要易于升级的网站服务器
 
 ###CouchDB 1.2版
 
 **开发语言：** Erlang
 
-**主要特性：**数据一致性；易于使用
+**主要特性：** 数据一致性；易于使用
 
 **许可证：** Apache
 
 **数据传输格式：** HTTP/REST
 
-- 双向复制（一种同步技术，每个备份点都有一份它们自己的拷贝，允许用户在存储点断线的情况下修改数据，当存储节点重新上线时，CouchDB 会对所有节点同步这些修改 —— 译者注）。
-- 支持持续同步或者点对点同步。
-- 支持冲突检测。
-- 支持主主互备（多个数据库时时同步数据，起到备份和分摊用户并行访问量的作用 —— 译者注）。
-- 多版本并发控制（MVCC），写操作时不需要阻塞读操作（或者说不需要锁住数据库）。
-- 向下兼容。
-- 可靠的 crash-only 设计（所谓 crash-only，就是程序出错时，只需重启下程序，丢弃内存的所有数据，不需要执行复杂的数据恢复操作 —— 译者注）。
-- 需要实时压缩数据。
-- 视图（文档是 CouchDB 的核心概念，CouchDB 中的视图声明了如何从文档中提取数据，以及如何对提取出来的数据进行处理 —— 译者注）：内嵌映射和简化（map/reduce）编程模型。
-- 格式化的views字段：lists（包含把视图运行结果转换成非 JSON 格式的方法）和 shows（包含把文档转换成非 JSON 格式的方法）（在 CouchDB 中，一个 Web 应用是与一个设计文档相对应的。在设计文档中可以包含一些特殊的字段，views 字段包含永久的视图定义 —— 译者注）。
-- 可能会提供服务器端文档验证的功能。
-- 可能提供身份认证功能。
-- 通过 _changes 函数实时更新数据。
-- 链接处理（attachment：couchDB 的每份文档都可以有一个 attachment，就像一份 email 有它的网址 —— 译者注）。
-- 有个 CouchApps（第三方JS的应用）。
+- 双向复制（一种同步技术，每个备份点都有一份它们自己的拷贝，允许用户在存储点断线的情况下修改数据，当存储节点重新上线时，CouchDB 会对所有节点同步这些修改 —— 译者注）
+- 支持持续同步或者点对点同步
+- 支持冲突检测
+- 支持主主互备（多个数据库时时同步数据，起到备份和分摊用户并行访问量的作用 —— 译者注）
+- 多版本并发控制（MVCC），写操作时不需要阻塞读操作（或者说不需要锁住数据库）
+- 向下兼容
+- 可靠的 crash-only 设计（所谓 crash-only，就是程序出错时，只需重启下程序，丢弃内存的所有数据，不需要执行复杂的数据恢复操作 —— 译者注）
+- 需要实时压缩数据
+- 视图（文档是 CouchDB 的核心概念，CouchDB 中的视图声明了如何从文档中提取数据，以及如何对提取出来的数据进行处理 —— 译者注）：内嵌映射和简化（map/reduce）编程模型
+- 格式化的views字段：lists（包含把视图运行结果转换成非 JSON 格式的方法）和 shows（包含把文档转换成非 JSON 格式的方法）（在 CouchDB 中，一个 Web 应用是与一个设计文档相对应的。在设计文档中可以包含一些特殊的字段，views 字段包含永久的视图定义 —— 译者注）
+- 可能会提供服务器端文档验证的功能
+- 可能提供身份认证功能
+- 通过 _changes 函数实时更新数据
+- 链接处理（attachment：couchDB 的每份文档都可以有一个 attachment，就像一份 email 有它的网址 —— 译者注）
+- 有个 CouchApps（第三方JS的应用）
 
-**应用场景：**用于随机数据量多、需要预定义查询的地方；用于版本控制比较重要的地方。
+**应用场景：** 用于随机数据量多、需要预定义查询的地方；用于版本控制比较重要的地方
 
-**使用案例：**可用于客户关系管理（CRM），内容管理系统（CMS）；可用于主主互备甚至多机互备。
+**使用案例：** 可用于客户关系管理（CRM），内容管理系统（CMS）；可用于主主互备甚至多机互备
 
 ###Redis 2.4版
 
 **开发语言：** C/C++
 
-**主要特性：**快到掉渣
+**主要特性：** 快到掉渣
 
 **许可证：** BSD
 
 **数据传输方式：** 类似 Telnet
 
-- Redis 是一个内存数据库（in-memory database，简称 IMDB，将数据放在内存进行读写，这才是“快到掉渣”的真正原因 —— 译者注），磁盘只是提供数据持久化（即将内存的数据写到磁盘）的功能（这类数据库被称为“disk backed”数据库）。
-- 当前不支持将磁盘作为 swap 分区，虚拟内存（VM）和 Diskstore 方式都没加到此版本（Redis 的数据持久化共有4种方式：定时快照、基于语句追加、虚拟内存、diskstore。其中 VM 方式由于性能不好以及不稳定的问题，已经被作者放弃，而 diskstore 方式还在实验阶段 —— 译者注）。
+- Redis 是一个内存数据库（in-memory database，简称 IMDB，将数据放在内存进行读写，这才是“快到掉渣”的真正原因 —— 译者注），磁盘只是提供数据持久化（即将内存的数据写到磁盘）的功能（这类数据库被称为“disk backed”数据库）
+- 当前不支持将磁盘作为 swap 分区，虚拟内存（VM）和 Diskstore 方式都没加到此版本（Redis 的数据持久化共有4种方式：定时快照、基于语句追加、虚拟内存、diskstore。其中 VM 方式由于性能不好以及不稳定的问题，已经被作者放弃，而 diskstore 方式还在实验阶段 —— 译者注）
 - 主从备份
-- 存储结构为简单的 key/value 或 hash 表。
-- 但是操作比较复杂，比如：ZREVRANGEBYSCORE。
-- 支持 INCR（INCR key 就是将key中存储的数值加一 —— 译者注）命令（对限速和统计有帮助）。
-- 支持sets数据类型（以及 union/diff/inter）。
-- 支持 lists （以及 queue/blocking pop）。
-- 支持 hash sets （多级对象）。
-- 支持 sorted sets（高效率的表，在范围查找方面有优势）。
-- 支持事务处理。
+- 存储结构为简单的 key/value 或 hash 表
+- 但是操作比较复杂，比如：ZREVRANGEBYSCORE
+- 支持 INCR（INCR key 就是将key中存储的数值加一 —— 译者注）命令（对限速和统计有帮助）
+- 支持sets数据类型（以及 union/diff/inter）
+- 支持 lists （以及 queue/blocking pop）
+- 支持 hash sets （多级对象）
+- 支持 sorted sets（高效率的表，在范围查找方面有优势）
+- 支持事务处理
 - 缓存中的数据可被标记为过期
-- Pub/Sub 操作能让用户发送信息。
+- Pub/Sub 操作能让用户发送信息
 
-**应用场景：**适合布署快速多变的小规模数据（可以完全运行在存在中）。
+**应用场景：** 适合布署快速多变的小规模数据（可以完全运行在存在中）
 
-**使用案例：**股价系统、分析系统、实时数据收集系统、实时通信系统、以及取代 memcached。
+**使用案例：** 股价系统、分析系统、实时数据收集系统、实时通信系统、以及取代 memcached
 
-##Clones of Google's Bigtable
+##Google Bigtable 的衍生品
 
-###HBase (V0.92.0)
+###HBase 0.92.0 版
 
-**Written in:** Java
+**开发语言：** Java
 
-**Main point:** Billions of rows X millions of columns
+**主要特性：** 支持几十亿行*几百万列的大表
 
-**License:** Apache
+**许可证：** Apache 
 
-**Protocol:** HTTP/REST (also Thrift)
+**数据传输方式：** HTTP/REST （也支持 Thrift 开发框架）
 
-- Modeled after Google's BigTable
-- Uses Hadoop's HDFS as storage
-- Map/reduce with Hadoop
-- Query predicate push down via server side scan and get filters
-- Optimizations for real time queries
-- A high performance Thrift gateway
-- HTTP supports XML, Protobuf, and binary
-- Jruby-based (JIRB) shell
-- Rolling restart for configuration changes and minor upgrades
-- Random access performance is like MySQL
-- A cluster consists of several different types of nodes
+- 仿造 Google 的 BigTable
+- 使用 Hadoop 的 HDFS 文件系统作为存储
+- 使用 Hadoop 的映射和简化（map/reduce）编程模型
+- 查询条件被推送到服务器端，由服务器端执行扫描和过滤
+- 对实时查询进行优化
+- 高性能的 Thrift gateway（访问 HBase 的接口之一，特点是利用 Thrift 序列化支持多种语言，可用于异构系统在线访问 HBase 表数据 —— 译者注）
+- 使用 HTTP 通信协议，支持 XML、Protobuf 以及一些二进制文档结构
+- 支持基于 Jruby（JIRB）的shell
+- 当配置信息有更改时，支持 rolling restart（轮流重启数据节点）
+- 随机读写性能与 MySQL 一样
+- 一个集群可由不同类型的结点组成
 
-**Best used:** Hadoop is probably still the best way to run Map/Reduce jobs on huge datasets. Best if you use the Hadoop/HDFS stack already.
+**应用场景：** Hadoop 可能是在大数据上跑 Map/Reduce 业务的最佳选择；如果你已经搭建了 Hadoop/HDFS 架构，HBase 也是你最佳的选择。
 
-**For example:** Search engines. Analysing log data. Any place where scanning huge, two-dimensional join-less tables are a requirement.
+**使用案例：** 搜索引擎；日志分析系统；扫描大型二维非关系型数据表。
 
-###Cassandra (1.2)
+###Cassandra 1.2版
 
-**Written in:** Java
+**开发语言：** Java
 
-**Main point:** Best of BigTable and Dynamo
+**主要特性：** BigTable 和 Dynamo的完美结合（Cassandra 以 Amazon 专有的完全分布式的 Dynamo 为基础，结合了Google BigTable基于 Column Family 的数据模型 —— 译者注）
 
-**License:** Apache
+**许可证：** Apache
 
-**Protocol:** Thrift & custom binary CQL3
+**数据传输和存储方式：** Thrift 和自定义二进制 CQL3（即 Cassandra 查询语言第3版 —— 译者注）
 
-- Tunable trade-offs for distribution and replication (N, R, W)
-- Querying by column, range of keys (Requires indices on anything that you want to search on)
-- BigTable-like features: columns, column families
-- Can be used as a distributed hash-table, with an "SQL-like" language, CQL (but no JOIN!)
-- Data can have expiration (set on INSERT)
-- Writes can be much faster than reads (when reads are disk-bound)
-- Map/reduce possible with Apache Hadoop
-- All nodes are similar, as opposed to Hadoop/HBase
-- Very good and reliable cross-datacenter replication
+- 可以灵活调整对数据的分布式或备份式存储（通过设置N，R，W之间的关系）（NRW是数据库布署模型中的概念，N是存储网络中复制数据的节点数，R是网络中读数据的节点数，W是网络中写数据的节点数。一个环境中N值是固定的，设置不同的WR值组合能在数据可用性和数据一致性之间取得不同的平衡，可参考 CAP 定理 —— 译者注）
+- 按列查询，按keys值排序后存储（需要包含你想要搜索的任何信息）（Cassandra 的数据模型借鉴自 BigTable 的列式存储，列式存储可以理解成这样，将行ID、列簇号，列号以及时间戳一起，组成一个Key，然后将Value按Key的顺序进行存储 —— 译者注）
+- 类似 BigTable 的特性：列、列簇
+- 支持分布式 hash 表，使用“类 SQL” 语言 —— CQL（但没有 SQL 中的 JOIN 语句）
+- 可以为数据设置一个过期时间（使用 INSERT 指令）
+- 写性能远高于读性能（读性能的瓶颈是磁盘 IO）
+- 可使用 Hadoop 的映射和简化（map/reduce）编程模型
+- 所有节点都相似，这点与 Hadop/HBase 架构不同
+- 可靠的跨数据中心备份解决方案
 
-**Best used:** When you write more than you read (logging). If every component of the system must be in Java. ("No one gets fired for choosing Apache's stuff.")
+**应用场景：** 写操作多于读操作的环境（比如日志系统）；如果系统全部由 JAVA 组成（“没人会因为使用了 Apache 许可下的产品而被炒鱿鱼”（此句貌似是网上有人针对“Apache considered harmful”一文所作的回应 —— 译者注））
 
-**For example:** Banking, financial industry (though not necessarily for financial transactions, but these industries are much bigger than that.) Writes are faster than reads, so one natural niche is data analysis.
+**使用案例：** 银行、金融机构；写性能强于读性能，所以 Cassandra 天生就是用来作数据分析的。
 
-###Hypertable (0.9.6.5)
+###Hypertable 0.9.6.5版
 
-**Written in:** C++
+**开发语言：** C++
 
-**Main point:** A faster, smaller HBase
+**主要特性：** HBase 的精简版，但比 HBase 更快
 
-**License:** GPL 2.0
+**许可证：** GPL 2.0
 
-**Protocol:** Thrift, C++ library, or HQL shell
+**数据传输和存储的方式：** Thrift，C++库，或者 HQL shell
 
-- Implements Google's BigTable design
-- Run on Hadoop's HDFS
-- Uses its own, "SQL-like" language, HQL
-- Can search by key, by cell, or for values in column families.
-- Search can be limited to key/column ranges.
-- Sponsored by Baidu
-- Retains the last N historical values
-- Tables are in namespaces
-- Map/reduce with Hadoop
+- 采用与 Google BigTable 相似的设计
+- 运行在 Hadoop HDFS 之上
+- 使用自己的“类 SQL”语言 —— HQL
+- 可以根据 key 值、单元（cell）进行查找，可以在列簇上查找
+- 查询数据可以指定 key 或者列的范围
+- 由百度公司赞助（百度早在2009年就成为这个项目的赞助商了 —— 好吧译者表示有点大惊小怪了:P）
+- 能保留一个值的 N 个历史版本
+- 表在命名空间内定义
+- 使用 Hadoop 的 Map/reduce 模型
 
-**Best used:** If you need a better HBase.
+**应用场景：** 假如你需要一个更好的HBase，就用Hypertable吧。
 
-**For example:** Same as HBase, since it's basically a replacement: Search engines. Analysing log data. Any place where scanning huge, two-dimensional join-less tables are a requirement.
+**使用案例：** 与HBase一样，就是搜索引擎被换了下；分析日志数据的系统；适用于浏览大规模二维非关系型数据表。
 
-###Accumulo (1.4)
+###Accumulo 1.4版
 
-**Written in:** Java and C++
+**开发语言：** Java 和 C++
 
-**Main point:** A BigTable with Cell-level security
+**主要特性：** 一个有着单元级安全的 BigTable
 
-**License:** Apache
+**许可证：** Apache
 
-**Protocol:** Thrift
+**数据传输和存储的方式：** Thrift
 
-- Another BigTable clone, also runs of top of Hadoop
-- Cell-level security
-- Bigger rows than memory are allowed
-- Keeps a memory map outside Java, in C++ STL
-- Map/reduce using Hadoop's facitlities (ZooKeeper & co)
-- Some server-side programming
+- 另一个 BigTable 的复制品，也是跑在 Hadoop 的上层
+- 单元级安全保证
+- 允许使用比内存容量更大的数据列
+- 通过 C++ 的 STL 可保持数据从 JAVA 环境的内存映射出来
+- 使用 Hadoop 的 Map/reduce 模型
+- 支持在服务器端编程
 
-**Best used:** If you need a different HBase.
+**应用场景：** HBase的替代品
 
-**For example:** Same as HBase, since it's basically a replacement: Search engines. Analysing log data. Any place where scanning huge, two-dimensional join-less tables are a requirement.
+**使用案例：** 与HBase一样，就是搜索引擎被换了下；分析日志数据的系统；适用于浏览大规模二维非关系型数据表。
 
-##Special-purpose
+##特殊用途
 
-###Neo4j (V1.5M02)
+###Neo4j V1.5M02 版
 
-**Written in:** Java
+**开发语言：** Java
 
-**Main point:** Graph database - connected data
+**主要特性：** 图形化数据库
 
-**License:** GPL, some features AGPL/commercial
+**许可证：** GPL，AGPL（商业用途）
 
-**Protocol:** HTTP/REST (or embedding in Java)
+**数据传输和存储的方式：** HTTP/REST（或内嵌在 Java 中）
 
-- Standalone, or embeddable into Java applications
-- Full ACID conformity (including durable data)
-- Both nodes and relationships can have metadata
-- Integrated pattern-matching-based query language ("Cypher")
-- Also the "Gremlin" graph traversal language can be used
-- Indexing of nodes and relationships
-- Nice self-contained web admin
-- Advanced path-finding with multiple algorithms
-- Indexing of keys and relationships
-- Optimized for reads
-- Has transactions (in the Java API)
-- Scriptable in Groovy
-- Online backup, advanced monitoring and High Availability is AGPL/commercial licensed
+- 可独立存在，或内嵌在 JAVA 的应用中
+- 完全的 ACID 保证（包括正在处理的数据）
+- 节点和节点的关系都可以拥有原数据
+- 集成基于“模式匹配”的查询语言（Cypher）
+- 支持“Gremlin”图形转化语言
+- 可对节点与节点关系进行索引
+- 良好的自包含网页管理技术
+- 多个算法实现高级文件查找功能
+- 可对 key 与 key 的关系进行索引
+- 优化读性能
+- 在 JAVA API 中实现事务处理
+- 可运行脚本 Groovy 脚本
+- 在商用版本中提供在线备份，高级监控和高可用性功能
 
-**Best used:** For graph-style, rich or complex, interconnected data. Neo4j is quite different from the others in this sense.
+**应用场景：** 适用于用图形显示复杂的交互型数据。
 
-**For example:** For searching routes in social relations, public transport links, road maps, or network topologies.
+**使用案例：** 搜寻社交关系网、公共传输链、公路路线图、或网络拓扑结构
 
-###ElasticSearch (0.20.1)
+###ElasticSearch 0.20.1 版
 
-**Written in:** Java
+**开发语言：** Java
 
-**Main point:** Advanced Search
+**主要特性：** 高级搜索
 
-**License:** Apache
+**许可证：** Apache
 
-**Protocol:** JSON over HTTP (Plugins: Thrift, memcached)
+**数据传输和存储的方式：** 通过 HTTP 使用 JSON 进行数据索引（插件：Thrift, memcached）
 
-- Stores JSON documents
-- Has versioning
-- Parent and children documents
-- Documents can time out
-- Very versatile and sophisticated querying, scriptable
-- Write consistency: one, quorum or all
-- Sorting by score (!)
-- Geo distance sorting
-- Fuzzy searches (approximate date, etc) (!)
-- Asynchronous replication
-- Atomic, scripted updates (good for counters, etc)
-- Can maintain automatic "stats groups" (good for debugging)
-- Still depends very much on only one developer (kimchy).
+- 以 JSON 形式保存数据
+- 提供版本升级功能
+- 有父文档和子文档功能
+- 文档有过期时间
+- 提供复杂多样的查询指令，可使用脚本
+- 支持写操作一致性的三个级别：ONE、QUORUM、ALL
+- 支持通过分数排序
+- 支持通过地理位置排序
+- 支持模糊查询（通过近似数据查询等方式实现）
+- 支持异步复制
+- 自动升级，也可通过设置脚本升级
+- 可以维持自动的“统计组”（对调试很有帮助）
+- 只有一个开发者（kimchy）
 
-**Best used:** When you have objects with (flexible) fields, and you need "advanced search" functionality.
+**应用场景：** 当你有可伸缩性很强的项目并且想拥有“高级搜索”功能。
 
-**For example:** A dating service that handles age difference, geographic location, tastes and dislikes, etc. Or a leaderboard system that depends on many variables.
+**使用案例：** 可布署一个约会服务，提供不同年龄、不同地理位置、不同品味的客户的交友需求。或者可以布署一个基于多项参数的排行榜。
 
-##The "long tail"
+##其他
 
-(Not widely known, but definitely worthy ones)
+（不怎么有名，但值得在这里介绍一下）
 
-###Couchbase (ex-Membase) (2.0)
+###Couchbase (ex-Membase) 2.0 版
 
-**Written in:** Erlang & C
+**开发语言：** Erlang 和 C
 
-**Main point:** Memcache compatible, but with persistence and clustering
+**主要特性：** 兼容 Memcache，但数据是持久化的，并且支持集群
 
-**License:** Apache
+**许可证：** Apache
 
-**Protocol:** memcached + extensions
+**数据传输和存储的方式：** 缓存和扩展（memcached + extensions）
 
-- Very fast (200k+/sec) access of data by key
-- Persistence to disk
-- All nodes are identical (master-master replication)
-- Provides memcached-style in-memory caching buckets, too
-- Write de-duplication to reduce IO
-- Friendly cluster-management web GUI
-- Connection proxy for connection pooling and multiplexing (Moxi)
-- Incremental map/reduce
-- Cross-datacenter replication
+- 通过 key 访问数据非常快（20万以上IOPS）
+- 数据保存在磁盘（不像 Memcache 保存在内存中 —— 译者注）
+- 在主主互备中，所有节点数据是一致的
+- 提供类似 Memcache 将数据保存在内存的功能
+- 支持重复数据删除功能
+- 友好的集群管理 Web 界面
+- 支持池和多丛结构的代理（利用 Moxi 项目）
+- 支持 Map/reduce 模式
+- 支持跨数据中心备份
 
-**Best used:** Any application where low-latency data access, high concurrency support and high availability is a requirement.
+**应用场景：** 适用于低延迟数据访问系统，高并发和高可用系统。
 
-**For example:** Low-latency use-cases like ad targeting or highly-concurrent web apps like online gaming (e.g. Zynga).
+**使用案例：** 低延迟可用于广告定投；高并发可用于在线游戏（如星佳公司）。
 
-###VoltDB (2.8.4.1)
+###VoltDB 2.8.4.1版
 
-**Written in:** Java
+**开发语言：** Java
 
-**Main point:** Fast transactions and rapidly changing data
+**主要特性：** 快速的事务处理和数据变更
 
-**License:** GPL 3
+**许可证：** GPL 3
 
-**Protocol:** Proprietary
+**数据传输和存储的方式：** 专有方式
 
-- In-memory relational database.
-- Can export data into Hadoop
-- Supports ANSI SQL
-- Stored procedures in Java
-- Cross-datacenter replication
+- 运行在内存的关系型数据库
+- 可以将数据导入到 Hadoop
+- 支持 ANSI SQL
+- 在 JAVA 环境中保存操作过程
+- 支持跨数据中心备份
 
-**Best used:** Where you need to act fast on massive amounts of incoming data.
+**应用场景：** 适用于在大量传入数据中保证快速反应能力的场合。
 
-**For example:** Point-of-sales data analysis. Factory control systems.
+**使用案例：** 销售点数据分析系统；工厂控制系统。
 
-###Scalaris (0.5)
+###Scalaris 0.5版
 
-**Written in:** Erlang
+**开发语言：** Erlang
 
-**Main point:** Distributed P2P key-value store
+**主要特性：** 分布式 P2P 键值存储
 
-**License:** Apache
+**许可证：** Apache
 
-**Protocol:** Proprietary & JSON-RPC
+**数据传输和存储的方式：** 自有方式和 基于JSON的远程过程调用协议
 
-- In-memory (disk when using Tokyo Cabinet as a backend)
-- Uses YAWS as a web server
+- 数据保存在内存中（使用 Tokyo Cabinet 作为后台时，数据可以持久化到磁盘中）
+- 使用 YAWS 作为 Web 服务器
 - Has transactions (an adapted Paxos commit)
-- Consistent, distributed write operations
-- From CAP, values Consistency over Availability (in case of network partitioning, only the bigger partition - works)
+- 支持事务处理（基于 Paxos 提交）（Paxos 是一种基于消息传递模型的一致性算法 —— 译者注）
+- 支持分布式数据的一致性写操作
+- 根据 CAP 定理，数据一致性要求高于数据可用性（前提是在一个比较大的网络分区环境下工作）（CAP 定理：数据一致性consistency、数据可用性availability、分隔容忍partition tolerance是分布式计算系统的三个属性，一个分布式计算系统不可能同时满足全部三项）
 
-**Best used:** If you like Erlang and wanted to use Mnesia or DETS or ETS, but you need something that is accessible from more languages (and scales much better than ETS or DETS).
+**应用场景：** 如果你喜欢 Erlang 并且想要使用 Mnesia 或 DETS 或 ETS，但你需要一个能使用多种语言（并且可扩展性强于 ETS 和 DETS）的技术，那就选它吧。
 
-**For example:** In an Erlang-based system when you want to give access to the DB to Python, Ruby or Java programmers.
+**使用案例：** 使用基于 Erlang 的系统，但是想通过 Python、Ruby 或 JAVA 访问数据库
 
-###Kyoto Tycoon (0.9.56)
+###Kyoto Tycoon 0.9.56版
 
-**Written in:** C++
+**开发语言：** C++
 
-**Main point:** A lightweight network DBM
+**主要特性：** 轻量级网络数据库管理系统
 
-**License:** GPL
+**许可证：** GPL
 
-**Protocol:** HTTP (TSV-RPC or REST)
+**数据传输和存储的方式：** HTTP (TSV-RPC or REST)
 
-- Based on Kyoto Cabinet, Tokyo Cabinet's successor
-- Multitudes of storage backends: Hash, Tree, Dir, etc (everything from Kyoto Cabinet)
-- Kyoto Cabinet can do 1M+ insert/select operations per sec (but Tycoon does less because of overhead)
-- Lua on the server side
-- Language bindings for C, Java, Python, Ruby, Perl, Lua, etc
-- Uses the "visitor" pattern
-- Hot backup, asynchronous replication
-- background snapshot of in-memory databases
-- Auto expiration (can be used as a cache server)
+- 基于 Kyoto Cabinet, 是 Tokyo Cabinet 的成功案例
+- 支持多种存储后端：Hash，树、目录等等（所有概念都是从 Kyoto Cabinet 那里来的）
+- Kyoto Cabinet 可以达到每秒100万次插入/查询操作（但是 Tycoon 由于瓶颈问题，性能比 Cabinet 要差点）
+- 服务器端支持 Lua 脚本语言
+- 支持 C、JAVA、Python、Ruby、Perl、Lua 等语言
+- 使用访问者模式开发（visitor patten：让开发者能在不修改类层次结构的前提下，定义该类层次结构的操作 —— 不明白就算了，译者也不明白）
+- 支持热备、异步备份
+- 支持内存数据库在后端执行快照
+- 自动过期处理（可用来布署一个缓存服务器）
 
-**Best used:** When you want to choose the backend storage algorithm engine very precisely. When speed is of the essence.
+**应用场景：** 当你想要一个很精准的后端存储算法引擎，并且速度是刚需的时候，玩玩 Kyoto Tycoon 吧。
 
-**For example:** Caching server. Stock prices. Analytics. Real-time data collection. Real-time communication. And wherever you used memcached before.
+**使用案例：** 缓存服务器；股价查询系统；数据分析系统；实时数据控制系统；实时交互系统；memcached的替代品。
 
-Of course, all these systems have much more features than what's listed here. I only wanted to list the key points that I base my decisions on. Also, development of all are very fast, so things are bound to change.
+当然，上述系统的特点肯定不止列出来这么点。我只是列出了我认为很关键的信息。另外科技发展迅猛，技术改变得非常快。
 
-P.s.: And no, there's no date on this review. There are version numbers, since I update the databases one by one, not at the same time. And believe me, the basic properties of databases don't change that much.
+附：现在下定论比较孰优孰劣还为时过早。上述数据库的版本号以及特性我会一个一个慢慢更新。相信我，这些数据库的特性不会变得很快。
 
 ---