数据库
定义
保存有组织的数据的容器（通常是一个文件或者一组文件）
注意：数据库不是数据库软件，确切的说数据库软件称为DBMS（数据库管理系统），数据库是通过DBMS创建和操纵的容器。数据库可以是保存在硬设备上的文件，但也可以不是。它是文件还是其他东西并不在重要，我们不直接访问数据库，而是使用DBMS替我们访问数据库。
分类
数据库通常分为层次式数据库、网络式数据库和关系式数据库三种。而不同的数据库是按不同的数据结构来联系和组织的。而在当今的互联网中，最常见的数据库模型主要是两种，即关系型数据库（SQL）和非关系型数据库（NoSQL，Not Only SQL）。
关系型数据库：
- 大型：Oracle、DB2 等；
- 中型：SQL Server、MySQL 等；
- 小型：Access 等。
非关系型数据库：
- Memcached、MongoDB 和 Redis 等。
关系型数据库介绍
- 虽然网状数据库和层次数据库已经很好的解决了数据的集中和共享问题，但是在数据库独立性和抽象级别上扔有很大欠缺。用户在对这两种数据库进行存取时，仍然需要明确数据的存储结构，指出存取路径。而关系型数据库就可以较好的解决这些问题。
- 关系型数据库模型是把复杂的数据结构归结为简单的二元关系（即二维表格形式）。在关系型数据库中，对数据的操作几乎全部建立在一个或多个关系表格上，通过对这些关联的表格分类、合并、连接或选取等运算来实现数据库的管理。
非关系型数据库介绍
- 随着互联网web2.0（以前的基本上是静态网页，而现在是交互的网站）网站的兴起，传统的关系型数据库在应付web2.0网站，特别是对于规模日益扩大的海量数据，超大规模和高并发的微博、微信、SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题
- NoSQL是非关系型数据库的广义定义。NoSQL数据存储不需要固定的表结构，通常也不存在连接操作。在大数据存取上具备关系型数据库无法比拟的性能优势。
- 键值存储数据库（key-value）：键值数据库就类似传统语言中使用的哈希表。可以通过key来添加、查询或者删除数据库，因为使用key主键访问，所以会获得很高的性能及扩展性。键值数据库主要使用一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。Key/value模型对于IT系统来说的优势在于简单、易部署、高并发。典型产品：Memcached、Redis、MemcacheDB
列存储（Column-oriented）数据库：列存储数据库将数据存储在列族中，一个列族存储经常被一起查询的相关数据，比如人类，我们经常会查询某个人的姓名和年龄，而不是薪资。这种情况下姓名和年龄会被放到一个列族中，薪资会被放到另一个列族中。这种数据库通常用来应对分布式存储海量数据。典型产品：Cassandra、HBase
面向文档（Document-Oriented）数据库
文档型数据库的灵感是来自于Lotus Notes办公软件，而且它同第一种键值数据库类似。该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如JSON。文档型数据库可以 看作是键值数据库的升级版，允许之间嵌套键值。而且文档型数据库比键值数据库的查询效率更高。面向文档数据库会将数据以文档形式存储。每个文档都是自包含的数据单元，是一系列数据项的集合。每个数据项都有一个名词与对应值，值既可以是简单的数据类型，如字符串、数字和日期等；也可以是复杂的类型，如有序列表和关联对象。数据存储的最小单位是文档，同一个表中存储的文档属性可以是不同的，数据可以使用XML、JSON或JSONB等多种形式存储。典型产品：MongoDB、CouchDB
图形数据库
图形数据库允许我们将数据以图的方式存储。实体会被作为顶点，而实体之间的关系则会被作为边。比如我们有三个实体，Steve Jobs、Apple和Next，则会有两个“Founded by”的边将Apple和Next连接到Steve Jobs。典型产品：Neo4J、InforGrid
总结
关系型数据库
特点：
- 数据关系模型基于关系模型，结构化存储，完整性约束。
- 基于二维表及其之间的联系，需要连接、并、交、差、除等数据操作。
- 采用结构化的查询语言（SQL）做数据读写。
- 操作需要数据的一致性，需要事务甚至是强一致性。
优点：
- 保持数据的一致性。（事务支持使得对于安全性能很高的数据访问要求得以实现）
- 可以进行join等复杂查询。（可以用SQL语句方便的在一个表以及多个表之间做非常复杂的数据查询）
- 通用化，技术成熟。
缺点
- 数据读写必须经过sql解析，大量数据、高并发下读写性能不足。对数据做读写，或修改数据结构时需要加锁，影响并发操作。
- 无法适应非结构化存储。
- 扩展困难。
- 昂贵、复杂。
非关系数据库
特点：
- 非结构化的存储。
- 基于多维关系模型。
- 具有特有的使用场景。
优点：
- 高并发，大数据下读写能力较强。（基于键值对的，可以想象成表中的主键和值的对应关系，而且不需要经过SQL层的解析，所以性能非常高）
- 基本支持分布式，易于扩展，可伸缩。（因为基于键值对，数据之间没有耦合性，所以非常容易水平扩展。）
- 简单，弱结构化存储。
缺点:
- join等复杂操作能力较弱。
- 事务支持较弱。
- 通用性差。
- 无完整约束复杂业务场景支持较差。