K
键值数据库(KeyValue Databases) ：数据的存储方式是使用一个特定的键，指向一个特定的数据记录，这种方式使得数据的查找更加方便快捷。键值数据库中所存的数据通常为编程语言中基本数据类型的数据。
L
负载均衡(Load balancing)：为了实现最佳的结果和对系统的利用，将负载分发给多个计算机或者服务器。
延迟(Latency) ：表示系统时间的延迟
日志分析（ Log Analytics ）：的详细信息,它是一种面向 IT 管理员的强大可视化和分析工具,可帮助他们轻松管理数据中心环境。
遗留系统(Legacy system) ：是一种旧的应用程序，或是旧的技术，或是旧的计算系统，现在已经不再支持了。
位置信息(Location data) ：GPS信息，即地理位置信息。
日志文件(Log file) ：由计算机系统自动生成的文件，记录系统的运行过程。
M
元数据(Metadata)：元数据就是能够描述其他数据的数据。元数据总结了数据的基本信息，这使得查找和使用特定的数据实例变得更加容易。例如，作者、数据的创建日期、修改日期以及大小，这几项是基本的文档元数据。除了文档文件之外，元数据还被用于图像、视频、电子表格和网页。
MongoDB： 是一个面向文本数据模型的跨平台开源数据库，而不是传统的基于表格的关系数据库。这种数据库结构的主要设计目的是让结构化数据和非结构化数据在特定类型应用的整合更快、更容易。
Mashup：这个术语和我们在日常生活中使用的「mashup」一词有着相近的含义，就是混搭的意思。实质上，mashup 是一个将不同的数据集合并到一个单独应用中的方法(例如：将房地产数据与地理位置数据、人口数据结合起来)。这确实能够让可视化变得很酷。
多维数据库(Multi-Dimensional Databases)：这是一个为了数据在线分析处理(OLAP)和数据仓库优化而来的数据库。如果你不知道数据仓库是什么，我可以解释一下，数据仓库不是别的什么东西，它只是对多个数据源的数据做了集中存储。
机器学习(Machine Learning)：机器学习是基于喂入的数据去设计能够学习、调整和提升的系统的一种方法。使用设定的预测和统计算法，它们持续地逼近「正确的」行为和想法，随着更多的数据被输入到系统，它们能够进一步提升。
MapReduce： MapReduce 中，程序模型首先将大数据集分割成一些小块(这些小块拿技术术语来讲叫做「元组」，但是我描述的时候会尽量避免晦涩的技术术语)，然后这些小块会被分发给不同位置上的不同计算机(也就是说之前描述过的集群)，这在 Map 过程是必须的。然后模型会收集每个计算结果，并且将它们「reduce」成一个部分。MapReduce 的数据处理模型和 Hadoop 分布式文件系统是分不开的。
M2M数据(Machine2Machine data) ：两台或多台机器间交流与传输的内容
机器数据(Machine data) ：由传感器或算法在机器上产生的数据
企业级市场(Marketing-B2B):即面对企业用户进行销售,营销和推广.
MapReduce ：是处理大规模数据的一种软件框架(Map: 映射，Reduce: 归纳)。
大规模并行处理(MPP: Massively Parallel Processing) ：同时使用多个处理器(或多台计算机)处理同一个计算任务。
电子商务市场(Marketing-B2C)：是以信息网络技术为手段，以商品交换为中心的商务活动；也可理解为在互联网（Internet）、企业内部网（Intranet）和增值网（VAN，Value Added Network）上以电子交易方式进行交易活动和相关服务的活动，是传统商业活动各环节的电子化、网络化、信息化
MongoDB ：一种开源的非关系型数据库(NoSQL database)
多值数据库(MultiValue Databases) ：是一种非关系型数据库(NoSQL), 一种特殊的多维数据库：能处理3个维度的数据。主要针对非常长的字符串，能够完美地处理HTML和XML中的字串。
移动互联网(Mobile Internet)：就是将移动通信和互联网二者结合起来，成为一体。是指互联网的技术、平台、商业模式和应用与移动通信技术结合并实践的活动的总称。
大规模并行处理（Massively Parallel Processor ）：在数据库非共享集群中，每个节点都有独立的磁盘存储系统和内存系统，业务数据根据数据库模型和应用特点划分到各个节点上，每台数据节点通过专用网络或者商业通用网络互相连接，彼此协同计算，作为整体提供数据 库服务。非共享数据库集群有完全的可伸缩性、高可用、高性能、优秀的性价比、资源共享等优势。
