数据库的分类和比较（笔记）
- 数据库
- 2017-09-03
- 6热度
- 0评论
关系型数据库：
MySQL，MariaDB（MySQL的分支，差别不大），SQLite（轻量级，很适合手机、PCB板等嵌入式设备使用，最小可以几k）
SQLServer，ORACLE，PostgreSQL，大型数据库（几十G，或TB级），很可能部署在几十台、上百台服务器上
关系型数据库结构相似，类似Excel表格
非关系型数据库（NOSQL，Not Only SQL）：
mongoDB，HBASE，redis，CouchDB，Cassandra，Neo4j
非关系型数据库结构不相似，主要有以下四种：
1 文档型：json格式，列名称不固定
举例 | CouchDB，MongoDB
典型应用场景 | Web应用（与Key-Value类似，Value是结构化的，不同的是数据库能够了解 Value 的内容）
数据模型 | Key-Value 键值对，Value 为结构化数据
强项 | 数据结构要求不严格，表结构可变，不需要像关系型数据库一样需要预先定义表结构
弱项 | 查询性能不高，而且缺乏统一的查询语法
2 key-value型：
举例 | Redis，Voldemort，Oracle BDB
典型应用场景 | 内容缓存，主要用于处理大量数据的高访问负载，也用于一些日志系统等等
数据模型 | Key-Value 键值对，通常用 hash table 来实现
强项 | 查询速度快
弱项 | 数据无结构化，通常只存字符串或者二进制数据
3 列式数据库：
举例 | Cassandra，HBase，Riak
典型应用场景 | 分布式的文件系统
数据模型 | 以列簇式存储，将同一列数据存在一起
强项 | 查找速度快，可扩展性强，更容易进行分布式扩展
弱项 | 功能相对局限
4 图形数据库：
举例 | Neo4J，InfoGrid，Infinite Graph
典型应用场景 | 社交网络，推荐系统等。专注于构建关系图谱
数据模型 | 图结构
强项 | 利用图结构相关算法。比如最短路径寻址，N度关系查找等
弱项 | 很多时候需要怼整个图做计算才能得出需要的信息，而且这种结构不太好做分布式的集群方案
