数据是企业的核心资产，几乎所有的企业应用系统都是围绕数据进行的。 数据增删调查，数据对企业甚至国家具有不可估量的价值。 例如，一个企业所有客户的信息、投资机构的投入和收益信息、BAT公司应用系统的源代码、京东的物流配送信息等。 一些数据存储将数据存储为文本文件，但大多数情况下为了方便数据的管理和提取，一般采用数据库存储数，随着技术的发展，业务需求多样化，出现了各种数据库类型
关系数据库
列数据库
键值数据库
图像数据库
分布式文档数据库
说明各自代表性的产品及其主要特征。
关系数据库
关系数据一直为我们所用。 例如，存储在Oracle、MySQL、SQL Server和Postgress .关系数据库中的数据必须满足某些要求。 一般来说，是指满足一定的数据范式，例如主键、外键和数据冗馀。 例如，学生的信息可以存储在数据库中，班级的信息也可以存储在数据库中。 此外，一个班级包括很多学生，也可以通过外键建立一对多的对应关系。 这些信息和关系可以通过关系数据库保存。 值得注意的是，关系数据库必须预先定义好表结构，并在保存之前定义好相应的数据类型或长度。 添加新属性后，必须修改表格结构。 传统的关系数据库实际上是线数据库，是一种逐行存储信息的方法。
列数据库通常用于处理大量字符串数据，如HBase、cassandra、Sybase IQ、HP Vertica和EMC Greenplum。 基于列的数据库从一开始就通过对大数据环境下数据仓库的数据分析产生，主要适用于批量数据处理和即时消息传递。 下图显示了列数据库和重复性数据库之间的差异。
非常快速的装载(最多等于所有硬盘I/o的总和，几乎是极限) )。
适合大量数据，而不是小数据
实时加载数据仅限于增长。 删除和更新需要解压缩和计算块，然后重新压缩保存。)
高效的压缩率不仅可以节省存储空间，还可以节省计算内存和CPU，为什么具有高压缩率呢？ 因为保存的数据种类是一样的。
最适合集约操作。
键值数据库
也就是Key-Value存储，简称KV存储。 这是NoSQL存储的一种方法。 其数据以键-值对的形式组织并存储为索引。 KV存储非常适合于许多与数据无关的业务数据，同时可以有效减少磁盘读写次数，具有比SQL数据库存储更好的读写性能。 典型的产品是亚马逊的DynamoDB、redis。
图形数据库
图形数据库不是专门用来存储图形图像的，而是在图形结构中维持数据之间的关系，所以称为图形数据库。 Neo4j、Sones是其中的典型代表。
图的数据结构只有两种基本数据类型：节点(Node )和关系，节点(Node )可以具有属性，关系(Relationship )也可以具有属性。 所有属性都以一对键值存储，节点) Node )和节点) Node )
Neo4j是一个高性能的NOSQL图形数据库，它将结构化数据存储在网络上，而不是表中。 也可以将Neo4j视为具有成熟数据库所有特性的高性能图形引擎。 程序员在面向对象的灵活网络结构下工作，而不是在严格静态的表——下工作，但可以享受具有完整事务特性的企业级数据库的全部好处。 Neo4j因其嵌入式、高性能、轻量等优势，越来越受到关注。 支持大多数主要开发语言
分布式文档存储数据库
与不需要定义、支持灵活的APP应用程序和对结构化数据的访问的文档存储和关系模型不同，文档存储没有强制的体系结构。 与关系模型不同，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”可以嵌套保存其他文档。 文档存储模型还支持数组和列的值键。 与键值存储不同，文档存储关注文档的内部结构。 这样，存储引擎就可以直接支持辅助索引，从而可以高效地查询任何字段。 支持文档嵌套存储，并允许搜索查询语言嵌套的对象。 XQuery就是一个例子。 MongoDB通过支持在查询中指定JSON字段路径来实现类似的功能。 例如，CouchDB、MongoDB等。