数据库可以根据不同的标准（如数据模型、用途、架构等）分为多种类型。以下是常见的数据库分类及代表性系统：

---

1. 按数据模型分类

(1) 关系型数据库 (RDBMS)

• 特点：基于表格结构，使用 SQL（结构化查询语言），支持 ACID 事务。

• 代表：

  • MySQL / MariaDB

  • PostgreSQL

  • Oracle Database

  • Microsoft SQL Server

  • SQLite（轻量级嵌入式）

  • IBM Db2

(2) 非关系型数据库 (NoSQL)

• 特点：灵活的数据模型，适合大规模、高并发或非结构化数据。

  • 文档型：存储 JSON/XML 文档

    • MongoDB

    • CouchDB

  • 键值型：简单键值对存储

    • Redis（内存数据库）

    • DynamoDB（AWS）

  • 列存储：适合分析型应用

    • Cassandra

    • HBase

  • 图数据库：处理复杂关系网络

    • Neo4j

    • ArangoDB

(3) 时序数据库 (TSDB)

• 特点：优化时间序列数据（如传感器、日志）。

  • InfluxDB

  • TimescaleDB（基于 PostgreSQL 的扩展）

  • Prometheus（监控专用）

(4) 搜索引擎数据库

• 特点：全文检索和数据分析。

  • Elasticsearch

  • Solr

---

2. 按部署架构分类

(1) 集中式数据库

• 单机部署，如传统 MySQL、Oracle。

(2) 分布式数据库

• 分片存储：如 MongoDB Sharding、MySQL Cluster。

• NewSQL：兼顾分布式与 ACID，如 TiDB、CockroachDB。

(3) 云数据库

• 托管服务：AWS RDS、Azure SQL Database、阿里云 PolarDB。

---

3. 按用途分类

(1) 联机事务处理 (OLTP)

• 高并发短事务，如 MySQL、PostgreSQL。

(2) 联机分析处理 (OLAP)

• 大数据分析，如 Snowflake、Amazon Redshift。

(3) 内存数据库

• 高速读写，如 Redis、Memcached、SAP HANA。

(4) 嵌入式数据库

• 集成到应用中，如 SQLite、LevelDB。

---

4. 其他特殊类型

• 区块链数据库：如 BigchainDB（存储区块链数据）。

• 向量数据库：用于 AI 向量检索，如 Milvus、Pinecone。

• 多模型数据库：支持多种数据模型，如 ArangoDB（文档+图）。

---

如何选择数据库？

场景	推荐类型	代表系统
传统业务系统	关系型数据库	MySQL, PostgreSQL
高并发读写/缓存	键值型 NoSQL	Redis, DynamoDB
灵活 JSON 数据存储	文档型 NoSQL	MongoDB
社交网络/推荐系统	图数据库	Neo4j
IoT/监控数据	时序数据库	InfluxDB
全文搜索	搜索引擎数据库	Elasticsearch
实时分析	列存储或 OLAP 数据库	ClickHouse, Snowflake