五大流行的数据库模型

第一类关系模型
描述：
关系模型使用记录（由元组组成）进行存储，记录存储在表中，表由架构界定。表中的每个列都有名称和类型，表中的所有记录都要符合表的定义。SQL是专门的查询语言，提供相应的语法查找符合条件的记录，如表联接（Join）。表联接可以基于表之间的关系在多表之间查询记录。
特点：
1.表中的记录可以被创建和删除，记录中的字段也可以单独更新。
2.关系模型数据库通常提供事务处理机制，这为涉及多条记录的自动化处理提供了解决方案。
3.对不同的编程语言而言，表可以被看成数组、记录列表或者结构。表可以使用B树和哈希表进行索引，以应对高性能访问。
代表：
oracle、db2、sqlserver、mysql等

第二类键值存储(KV系统)
描述：
以Key-value的形式存储，对不同的编程语言而言，键值存储类似于哈希表。对此，不同的编程语言有不同的名字（如，Java称之为“HashMap”，Perl称之为“hash”，Python称之为“dict”，PHP称之为“associative array”），C++则称之为“boost::unordered_map<...>”。
键值存储支持键上自有的隐式索引。键值存储看起来好像不太有用，但却可以在“值”上存储大量信息。“值”可以是一个XML文档，一个JSON对象，或者其它任何序列化形式。
特点：
1.键值存储提供了基于键对值的访问方式。
2.键值对可以被创建或删除，与键相关联的值可以被更新。
3.键值存储一般不提供事务处理机制。
4.键值存储引擎并不在意“值”的内部结构，它依赖客户端对“值”进行解释和管理。
代表：
redis、Memcached等

第三类文档存储
描述：
文档存储支持对结构化数据的访问，不同于关系模型的是，文档存储没有强制的架构。事实上，文档存储以封包键值对的方式进行存储。在这种情况下，应用对要检索的封包采取一些约定，或者利用存储引擎的能力将不同的文档划分成不同的集合，以管理数据。支持二级索引，允许对任意字段进行高效查询。支持文档嵌套存储的能力，使得查询语言具有搜索嵌套对象的能力，
特点：
1.文档存储模型支持嵌套结构。例如，文档存储模型支持XML和JSON文档，字段的“值”又可以嵌套存储其它文档。文档存储模型也支持数组和列值键。
2.文档存储关心文档的内部结构。这使得存储引擎可以直接支持二级索引，
代表：
XQuery、MongoDB等

第四类列式存储
描述：
列式存储以流的方式在列中存储所有的数据。对于任何记录，索引都可以快速地获取列上的数据。列式存储支持行检索，但这需要从每个列获取匹配的列值，并重新组成行。
特点：
1.非关系型数据库，一般作为数据仓库存在如：Map-reduce的实现Hadoop的流数据处理效率非常高，列式存储的优点体现的淋漓极致。因此，HBase和Hypertable通常作为非关系型数据仓库，为Map-reduce进行数据分析提供支持。
2.列上可以存储更复杂的数据。这直接体现在Cassandra中，它引入的“column family”可以被认为是一个“super-column”。
3.列式存储支持行检索。
代表：
HBase、Hypertable和Cassandra等

第五类图形数据库
描述：
图形数据库存储顶点和边的信息，有的支持添加注释。图形数据库可用于对事物建模，如社交图谱、真实世界的各种对象。IMDB（Internet Movie Database）站点的内容就组成了一幅复杂的图像，演员与电影彼此交织在一起。图形数据库的查询语言一般用于查找图形中端点的路径，或端点之间路径的属性。
特点：
1.查询一般是查询端点之间的路径，类似数据结构中的图。
2.适用于数据库中采用图的地方。
代表：
Neo4j