数据库是根据一定的数据结构定义的，用于组织、管理和存储数据的仓库。 大家熟悉的MySQL数据库。 是其中的关系数据库。 非关系数据库(如redis )称为NoSQL，它不仅维护了NoSQL海量数据的存储管理功能，而且还维护了对传统数据库的ACID和SQL特性的支持。 数据库行业可谓百花齐放。
NoSQL是一种新技术。 可以实现高吞吐量，不支持ACID数据库的设计范式。 NoSQL没有统一的查询语言。
数据库中的关系是什么？ 什么是非关系数据库？ 关系数据库中存储的所有数据都有一定的关系。 例如，库，桌子，名字：可爱的门，年龄： 20，性别：男性被收藏。 这三个数据是相关的。 因为他们在说明同一个人。 但是，像Redis这样的键值数据库只知道年龄20。 这个年龄20在说谁的年龄？ Redis不关心。 如果是MongoDB这样基于文档的数据库呢？ 姓名、年龄、性别。 这三个属性的时候是一个整体，是的。 但是，每个人都要记录姓名、年龄和性别。 而第二个人，高贵的狼，如果他增加了属性、爱好，需要在整个钟表上添加这个属性吗？ 不需要MongoDB。 文档和文档之间没有必然的联系。 也就是说，第一个人可以有三个属性，第二个人可以有四个属性。
根据数据库存储模型，可分为四类：
列式存储模型
文档数据模型
键值数据模型
图式数据模型
列存储模型应用方案：分布式数据存储，支持在分布式文件系统上随机读写的分布式数据存储。 典型产品： Hadoop/Hbase，Hypertable数据模型：以“列”为中心保存，将同一列中的数据集中保存。 优点：快速查询，可扩展性强，便于分布式扩展。
文档数据模型应用方案：非强事务要求的web APP应用。 典型产品： MongoBD、Elasticsearch数据模型：键值模型，另存为文档模型的优点：数据模型无需预定义，保存自由。
http://www.Sina.com/APP应用场景：用于大量并发数据访问的高负载场景的内容缓存。 典型产品： Redis、DynamoDB、LevelDB数据模型：基于哈希表实现的key-value有点：查询快速、写入快速的缺点：数据没有结构
图式数据模型应用场景：社交网络、推荐系统、关系图(类似陌生附近人的功能)典型产品) Neo4J数据模型)图式结构优势)应用于图式计算场景