随着数据差异性越来越大，数据本身大结构特点也越来越大，再加上应用场景大丰富化，传统的RDB早就不能满足需要，然后Nosql出现了。互联网技术发展开始的前50年，一种技术的出现到灭亡或者发扬光大需要大概七八年的时间，现在可能只需要1-2年，所以在原来一种技术需要发展的周期中，确能出现了三四种新技术，而NoSQL更是出现了十几种之多，这十几种的技术虽说都是所谓的非结构化数据存储系统，但应用场景却也分明，下面我们就大概说一说其中几个。
1. CouchDB
- 所用语言： Erlang
- 特点：DB一致性，易于使用
- 使用许可： Apache
- 协议： HTTP/REST
- 双向数据复制
- 持续进行或临时处理，处理时带冲突检查，因此，采用的是master-master复制
- MVCC – 写操作不阻塞读操作
- Crash-only（可靠的）设计
- 需要不时地进行数据压缩
- 支持认证
- 根据变化实时更新
最佳应用场景：适用于数据变化较少，执行预定义查询，进行数据统计的应用程序。适用于需要提供数据版本支持的应用程序。例如： CRM、CMS系统。 master-master复制对于多站点部署是非常有用的。（master-master复制：是一种数据库同步方法，允许数据在一组计算机之间共享数据，并且可以通过小组中任意成员在组内进行数据更新。）
2. Redis
- 所用语言：C/C++
- 特点：运行异常快
- 使用许可： BSD
- 协议：类 Telnet 有硬盘存储支持的内存数据库
- Master-slave复制
- 虽然采用简单数据或以键值索引的哈希表，但也支持复杂操作，例如 ZREVRANGEBYSCORE。 INCR & co
- Redis支持事务，支持哈希表，支持排序sets，支持队列（阻塞/非阻塞），支持将数据设置成过期数据（类似快速缓冲区设计）
- Pub/Sub允许用户实现消息机制
最佳应用场景：适用于数据变化快且数据库大小可遇见（适合内存容量）的应用程序。
例如：股票价格、数据分析、实时数据搜集、实时通讯。
Master-slave复制：如果同一时刻只有一台服务器处理所有的复制请求，这被称为 Master-slave复制，通常应用在需要提供高可用性的服务器集群。
3. MongoDB
- 所用语言：C++
- 特点：保留了SQL一些友好的特性（查询，索引）
- 使用许可： AGPL（发起者： Apache）
- 协议： Custom
- binary（ BSON）
- Master/slave复制（支持自动错误恢复，使用 sets 复制）
- 内建分片机制
- 支持javascript表达式查询 可在服务器端执行任意的 javascript函数 update-in-place支持比CouchDB更好
- 在数据存储时采用内存到文件映射 对性能的关注超过对功能的要求 建议最好打开日志功能（参数 –journal）
最佳应用场景：适用于需要动态查询支持；需要使用索引而不是 map/reduce功能；需要对大数据库有性能要求；需要使用 CouchDB但因为数据改变太频繁而占满内存的应用程序。
4. Membase
- 所用语言： Erlang和C
- 特点：兼容 Memcache，但同时兼具持久化和支持集群
- 使用许可： Apache 2.0
- 协议：分布式缓存及扩展
- 非常快速（200k+/秒），通过键值索引数据
- 可持久化存储到硬盘
- 所有节点都是唯一的（ master-master复制）
- 在内存中同样支持类似分布式缓存的缓存单元
- 写数据时通过去除重复数据来减少 IO
- 提供非常好的集群管理 web界面
- 更新软件时软无需停止数据库服务
- 支持连接池和多路复用的连接代理
最佳应用场景：适用于需要低延迟数据访问，高并发支持以及高可用性的应用程序，例如：低延迟数据访问比如以广告为目标的应用，高并发的 web 应用比如网络游戏。
5. Neo4j
- 所用语言： Java
- 特点：基于关系的图形数据库
- 使用许可： GPL，其中一些特性使用 AGPL/商业许可
- 协议： HTTP/REST（或嵌入在 Java中）
- 可独立使用或嵌入到 Java应用程序
- 图形的节点和边都可以带有元数据
- 很好的自带web管理功能
- 使用多种算法支持路径搜索
- 使用键值和关系进行索引
- 为读操作进行优化
- 支持事务（用 Java api）
- 使用 Gremlin图形遍历语言
- 支持 Groovy脚本
- 支持在线备份，高级监控及高可靠性支持使用 AGPL/商业许可
最佳应用场景：适用于图形一类数据。这是 Neo4j与其他nosql数据库的最显著区别。例如：社会关系，公共交通网络，地图及网络拓谱。
6. HBase
- 所用语言： Java
- 特点：支持数十亿行X上百万列
- 使用许可： Apache
- 协议：HTTP/REST （支持 Thrift，见编注4）
- 在 BigTable之后建模
- 采用分布式架构 Map/reduce
- 对实时查询进行优化
- 高性能 Thrift网关
- 通过在server端扫描及过滤实现对查询操作预判
- 支持 XML, Protobuf, 和binary的HTTP
- Cascading, hive, and pig source and sink modules
- 基于 Jruby（ JIRB）的shell
- 对配置改变和较小的升级都会重新回滚
- 不会出现单点故障
- 堪比MySQL的随机访问性能
最佳应用场景：适用于偏好BigTable:)并且需要对大数据进行随机、实时访问的场合。
例如： Facebook消息数据库。
当然上述特点肯定只是系统所有特点中的一部分，我也是在学习过程中接触到，当然有些也是google到的，项目中具体采用那种DB，还是要根据自身数据特点反复研究讨论才能确定。