引用：
系统设计入门
NoSQL 是键-值数据库、文档型数据库、列型数据库或图数据库的统称。
数据库是非规范化的，表联结大多在应用程序代码中完成。
大多数 NoSQL 无法实现真正符合 ACID 的事务，支持最终一致。
BASE 通常被用于描述 NoSQL 数据库的特性。相比 CAP 理论，BASE 强调可用性超过一致性。
- 基本可用 – 系统保证可用性。
- 软状态 – 即使没有输入，系统状态也可能随着时间变化。
- 最终一致性 – 经过一段时间之后，系统最终会变一致，因为系统在此期间没有收到任何输入。
键-值存储
键-值存储通常可以实现 O(1) 时间读写，用内存或 SSD 存储数据。数据存储可以按字典顺序维护键，从而实现键的高效检索。键-值存储可以用于存储元数据。
键-值存储性能很高，通常用于存储简单数据模型或频繁修改的数据，如存放在内存中的缓存。
键-值存储提供的操作有限，如果需要更多操作，复杂度将转嫁到应用程序层面。
键-值存储是如文档存储，在某些情况下，甚至是图存储等更复杂的存储系统的基础。
例如：
- Memcached
- Redis
文档类型存储
抽象模型：将文档作为值的键-值存储
文档类型存储以文档（XML、JSON、二进制文件等）为中心，文档存储了指定对象的全部信息。
文档存储根据文档自身的内部结构提供 API 或查询语句来实现查询。
基于底层实现，文档可以根据集合、标签、元数据或者文件夹组织。尽管不同文档可以被组织在一起或者分成一组，但相互之间可能具有完全不同的字段。
文档类型存储具备高度的灵活性，常用于处理偶尔变化的数据。
例如：
- MongoDB
- CouchDB
- Amazon DynamoDB
它是完全托管的云数据库，支持文档和键值存储模型。它拥有灵活的数据模型、可靠的性能以及自动的吞吐容量扩展功能。 - Elastic Search
列型存储
列型存储
抽象模型：嵌套的 ColumnFamily<RowKey, Columns<ColKey, Value, Timestamp>> 映射
类型存储的基本数据单元是列 Column（名 ColKey／值 Value 对）。列可以在列族 Column Family（类似于 SQL 的数据表）中被分组。超级列族再分组普通列族。
你可以使用行键 RowKey 独立访问每一列，具有相同行键值 RowKey 的列组成一行。
每个值都包含版本的时间戳用于解决版本冲突。
Google 发布了第一个列型存储数据库 Bigtable，它影响了 Hadoop 生态系统中活跃的开源数据库 HBase 和 Facebook 的 Cassandra。像 BigTable，HBase 和 Cassandra 这样的存储系统将键以字母顺序存储，可以高效地读取键列。
列型存储具备高可用性和高可扩展性。通常被用于大数据相关存储。
关于 Bigtable：
Cloud Bigtable 是 Google 面向大数据领域的 NoSQL 数据库服务。它也是为 Google 搜索、Analytics（分析）、地图和 Gmail 等众多核心 Google 服务提供支撑的数据库。
Bigtable 的设计目标是以稳定的低延迟和高吞吐性能处理巨量的工作负载，因此它是运营和分析型应用（包括 IoT 物联网、用户分析和金融数据分析）的理想之选。
一个简单的例子参见 Example: HBase APIs for Java “Hello World” Application
图数据库
图数据库
在图数据库中，一个节点对应一条记录，一个弧对应两个节点之间的关系。
图数据库被优化用于表示外键繁多的复杂关系或多对多关系。
图数据库为存储复杂关系的数据模型，如社交网络，提供了很高的性能。它们相对较新，尚未广泛应用，查找开发工具或者资源相对较难。许多图只能通过 REST API 访问。
例如：
- Neo4j
一个简单的例子参见 Neo4j官方入门实例学习
SQL 还是 NoSQL
选取 SQL 的原因：
- 结构化数据，严格的模式
- 关系型数据
- 需要复杂的联结操作
- 事务
- 清晰的扩展模式
- 既有资源更丰富：开发者、社区、代码库、工具等
- 通过索引进行查询非常快
选取 NoSQL 的原因：
- 半结构化数据，动态或灵活的模式
- 非关系型数据
- 不需要复杂的联结操作
- 存储 TB （甚至 PB）级别的数据
- 高数据密集的工作负载
- IOPS 高吞吐量
适合 NoSQL 的示例数据：
- 埋点数据和日志数据
- 排行榜或者得分数据
- 临时数据，如购物车
- 频繁访问的（“热”）表
- 元数据／查找表
