非關系型數據庫Nosql

分類

1. 鍵值存儲 (Key-Value Store):

   • 代表: Redis, DynamoDB, RocksDB, etcd
   • 核心優勢: 極致簡單、超高讀寫性能（尤其內存型）、高吞吐。
   • 場景: 緩存、會話存儲、配置、計數器、分布式協調、簡單消息隊列。

2. 列式 / 寬列存儲 (Wide-Column / Column-Family Store):

   • 代表: HBase, Cassandra, ScyllaDB
   • 核心優勢: 極高的可擴展性、適合海量稀疏數據、按列族高效讀寫（尤其寫吞吐）、良好的分區能力。
   • 場景: 大規模時序數據(IoT, 監控)、消息/事件流存儲、用戶畫像屬性存儲、內容元數據。

3. 文檔數據庫 (Document Database):

   • 代表: MongoDB, Couchbase, CouchDB
   • 核心優勢: 靈活的文檔模型(Schema-flexible)、支持嵌套數據結構、開發自然（映射對象）、橫向擴展。
   • 場景: 內容管理(CMS)、產品目錄、用戶配置/檔案、評論/博客、實時分析（部分）、復雜對象存儲。

4. 搜索引擎 (Search Engine):

   • 代表: Elasticsearch, Solr, OpenSearch
   • 核心優勢: 強大的全文檢索、復雜相關性排序、模糊查詢、聚合分析能力、分布式搜索。
   • 場景: 應用/產品內搜索、日志分析(ELK)、應用性能監控(APM)、安全信息與事件管理(SIEM)、商業智能探索。

5. 圖數據庫 (Graph Database): (補充項)

   • 代表: Neo4j, Amazon Neptune, JanusGraph
   • 核心優勢: 高效存儲和處理實體間復雜關系、擅長深度關聯查詢（路徑、社區、模式匹配）。
   • 場景: 社交網絡、欺詐檢測、知識圖譜、推薦引擎、網絡/IT基礎設施管理。

📌 重要提示

• 界限模糊： 很多現代數據庫是多模型的。例如：
  • Redis不僅僅是簡單的字符串KV，它支持多種數據結構。
  • DynamoDB核心是KV，但文檔是其主要支持的數據格式。
  • ArangoDB自稱是原生多模型數據庫（支持文檔、圖、KV）。
  • Elasticsearch底層是文檔存儲，但功能聚焦在搜索。
  • Cassandra常被歸為寬列存儲，但其數據模型和查詢方式與HBase有差異。
• 選擇依據： 最終選擇哪個數據庫（甚至組合使用多個）取決于應用的具體需求（數據模型、訪問模式、一致性要求、規模、延遲、成本等），而不是簡單地套用分類。
• 時序數據庫 (Time-Series Database - TSDB): 這是一個越來越重要的細分領域（如 InfluxDB, TimescaleDB, Prometheus）。雖然其底層存儲引擎可能基于KV、列式或LSM-Tree，但其高度優化的時間序列數據處理能力（時間窗口聚合、降采樣、高效處理時間戳索引） 使它值得單獨關注。你可以把它看作是基于特定場景優化的KV或列式數據庫的一個高度特化子集。如果你的場景主要是處理帶時間戳的指標或事件，時序數據庫通常是更優的選擇。