python3数据库分类和比较（入门）
- 目录：
- 一、关系型数据库
- （一）常用关系型数据库：
- 二、非关系型数据库
- （一）常用非关系型数据库：
- （二）分类：
- 文档型
- key-value型
- 列式数据库
- 图形数据库
- 一、关系型数据库
一、关系型数据库
（一）常用关系型数据库：
- Mysql、sql-Server、SQLite、MariaDB、oracle、postgresql、…
二、非关系型数据库
（一）常用非关系型数据库：
- CouchDB、mongoDB、 Redis、Voldemort、Oracle、Cassandra、HBase、Riak、Neo4j、InfoGrid、Infinite Graph、 …
（二）分类：
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为对应的键值对，Value为结构化数据 |
| 强项 | 数据结构要求不严格，表结构可变，不需要预先定于表结构 |
| 弱项 | 查询性能不高，而且缺乏统一的查询语法 |
key-value型
| 举例 | Redis、Voldemort、Oracle Berkeley DB |
|---|---|
| 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 |
| 数据模型 | Key指向Value的键值对，通常用hash table来实现 |
| 强项 | 查询速度快 |
| 弱项 | 数据无结构化，通常只被当作字符串或者二进制数据 |
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，将同一列数据存在一起 |
| 强项 | 查询速度快，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 | 专注于构建关系图谱，如社交网络，推荐系统等 |
| 数据模型 | 图结构 |
| 强项 | 利用图结构相关算法。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集群方案 |
相关文章