With the recent trend towards big data, a number of scalable data management systems: NoSQL and NewSQL are developed to manage massive data effectively. The algorithms involved in the architectural design of a data management system defines the response time of an application. The behavior and performance of different NoSQL and NewSQL systems vary on the basis of these architectural aspects. Hence, the architectural assessment of a data management system is a vital task to perform in order to understand their weaknesses and strengths. Therefore, this paper assesses the architecture of some well-known NoSQL and NewSQL systems in detail. To enhance the clarity of discussion and analysis, we identified and grouped together the logically related architectural features, forming a feature vector (FV). Feature vectors related to transactional properties, fault tolerance, data storage, and data handling are designed and involved in architectural assessment. Various significant features are identified and assigned to a feature vector. Some well-known NoSQL and NewSQL systems are analyzed, compared, and discussed in depth with respect to these feature vectors. The discussion involves describing the algorithms used in implementation of a particular architectural feature by each of the systems and their suitability analysis in various scenarios. Important guidelines are presented that helps in filtering the potential data management systems on the basis of application requirements.

中文翻译：

---

NoSQL 和 NewSQL 系统的架构评估

随着最近大数据的趋势，开发了许多可扩展的数据管理系统：NoSQL 和 NewSQL 来有效地管理海量数据。数据管理系统架构设计中涉及的算法定义了应用程序的响应时间。不同的 NoSQL 和 NewSQL 系统的行为和性能因这些架构方面的不同而有所不同。因此，数据管理系统的架构评估是一项至关重要的任务，以了解它们的弱点和优势。因此，本文详细评估了一些著名的 NoSQL 和 NewSQL 系统的架构。为了提高讨论和分析的清晰度，我们确定并将逻辑相关的架构特征组合在一起，形成一个特征向量 (FV)。与交易属性相关的特征向量，容错、数据存储和数据处理被设计并参与架构评估。各种重要特征被识别并分配给特征向量。一些著名的 NoSQL 和 NewSQL 系统就这些特征向量进行了深入的分析、比较和讨论。讨论涉及描述每个系统在实现特定架构特征时使用的算法及其在各种场景中的适用性分析。提供了重要的指导方针，有助于根据应用程序要求过滤潜在的数据管理系统。一些著名的 NoSQL 和 NewSQL 系统就这些特征向量进行了深入的分析、比较和讨论。讨论涉及描述每个系统在实现特定架构特征时使用的算法及其在各种场景中的适用性分析。提供了重要的指导方针，有助于根据应用程序要求过滤潜在的数据管理系统。一些著名的 NoSQL 和 NewSQL 系统就这些特征向量进行了深入的分析、比较和讨论。讨论涉及描述每个系统在实现特定架构特征时使用的算法及其在各种场景中的适用性分析。提供了重要的指导方针，有助于根据应用程序要求过滤潜在的数据管理系统。