| 名称 | 描述 | 优点/缺点 |
| 键值(Key-Value)存储数据库 |
主要会使用到一个哈希表 如redis 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等。 适用于数据变化快且数据库大小可遇见（适合内存容量）的应用程序。 |
优点：查询速度快 缺点：数据无结构化，通常只被当作字符串或者二进制数据 |
| 列存储数据库 |
通常是用来应对分布式存储的海量数据。键仍然存在，但是它们的特点是指向了多个列 如：HBase 场景：分布式的文件系统 适用于偏好BigTable:)并且需要对大数据进行随机、实时访问的场合 |
查找速度快，可扩展性强，更容易进行分布式扩展； 功能相对局限 |
| 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 如：CouchDB,MongoDb. 国内也有文档型数据库SequoiaDB，已经开源 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） |
数据结构要求不严格，表结构可变，不需要像关系型数据库一样需要预先定义表结构； 查询性能不高，而且缺乏统一的查询语法。 |
| 图形(Graph)数据库 |
使用灵活的图形模型，并且能够扩展到多个服务器上。 如：Neo4J,InfoGrid,Infinite Graph. 场景：社交网络，推荐系统等。专注于构建关系图谱 |
利用图结构相关算法。比如最短路径寻址，N度关系查找等； 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。 |