一、关系型数据库
关系型数据库最典型的数据结构是表，由二维表及其之间的联系所组成的一个数据组织。
优点：
-
易于维护：都是使用表结构，格式一致；
-
使用方便：SQL语言通用，可用于复杂查询；
-
复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询。
缺点：
-
读写性能比较差，尤其是海量数据的高效率读写；
-
固定的表结构，灵活度稍欠；
-
高并发读写需求，传统关系型数据库来说，硬盘I/O是一个很大的瓶颈。
二、非关系型数据库
非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或者键值对等。
优点：
-
格式灵活：存储数据的格式可以是key,value形式、文档形式、图片形式等等，文档形式、图片形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
-
速度快：nosql可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘；
-
高扩展性；
-成本低：nosql数据库部署简单，基本都是开源软件。
缺点：
-
不提供sql支持，学习和使用成本较高；
-
无事务处理；
-
数据结构相对复杂，复杂查询方面稍欠。
非关系型数据库的分类和比较：
- 文档型
| 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对应的键值对，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 | 直询性能不高，而且缺乏统年魯查海濟发Guide |
- 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指向Value的键值对，通常用hash table来实现 |
| 强项 | 查找速度快 |
| 弱项 | 数据无结构化，通常只被当许字容津或明话辩发e显le |
- 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-列数据存在起 |
| 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 |
- 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 | 很多时候需要对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多张万赚式开发Guide |
下面是我的收藏的一份关于软件测试的资料
这些资料对软件测试的朋友们来说应该是很全面的了，有很多朋友靠这份资料复习也拿到了大厂offer，希望也能帮助到你，关注我微信公众号：程序员二黑，就可以直接免费领取了。
觉得有用的话就点个三连吧，让更多人看到！