在没有NOSQL数据时，关系型数据库一直是数据持久化的唯一选择，比较典型的关系型数据库有SQL Server、Oracle，MySQL,DB2.做.NET开发的同学一般会选择SQL Server，做JAVA的可能会偏向Oracle，MySQL,Python则是PostgreSQL或MySQL等等。过去很长一段时间内，关系数据库的健壮性已经在多数应用程序中得到证实。我们可以使用这些传统数据库良好的控制并发操作、事务等等。然而如果传统的关系型数据库一直这么可靠，那么为什么还会出现NOSQL呢？NoSQL之所以生存并得到发展，是因为它做到了传统关系型数据库做不到的事！
关系型数据库中存在的问题
我们使用的高级编程语言如Java、.Net.python等语言他们都有一个共同的特性——面向对象。但是我们所使用数据库MySQL、PostgreSQL、Oracle以及SQL Server他们同样有一个共同的特性——关系型数据库。这里就牵扯到了“Impedance Mismatch”这个术语：存储结构是面向对象的，但是数据库却是关系的，所以在每次存储或者查询数据时，我们都需要做转换。
应用程序规模的变大
随着互联网的逐渐发展，越来越多的业务数据和访问能力让服务器承受着巨大的负担为了解决这个问题我们可以通过扩展：一种是纵向扩展，即购买更好的机器，更大的磁盘空间、更多的内存等等；另一种是横向扩展，即购买更多的机器组成集群，搭建分布式服务器，在巨大的规模下，纵向扩展发挥的作用并不是很大。首先单机器性能提升需要巨额的开销并且有着性能的上限，在Google和Facebook这种规模下，永远不可能使用一台机器支撑所有的负载。鉴于这种情况，我们需要新的数据库，因为关系数据库并不能很好的运行在集群上。
NoSQL 数据库特点
不再使用SQL语言
一般为开源项目
为集群运行而生
弱结构化——不会严格的限制数据结构类型
NoSQL数据库的类型
NoSQL可以大体上分为4个种类：键-值对数据库、列族/大表数据库、文档数据库以及 图形数据库。下面就一览这些类型的特性：
一、 键-值对数据库
键值数据库就像在传统语言中使用的哈希表。你可以通过key来添加、查询或者删除数据，鉴于使用主键访问，所以会获得不错的性能及扩展性虽然具备高度可扩展性，但却无法帮助开发人员顺畅处理复杂数据集。如果大家需要进行磁盘备份、分布式散列表并通过一致性对数据内容加以检查，那么上述方案既具备良好的规模化能力、又能提供出色的处理速度。然而如果我们需要通过某个键来获取另一个键、进而访问第三个键以查询相关值，那么问题就会变得不易处理了
代表产品：Couchbase、Riak、Redis、Memcached
案列：Youtube （Memcached）、Twitter （Redis）、StackOverFlow （Redis）、GitHub （Riak）
适用的场景
储存用户信息，比如会话、配置文件、参数、购物车等等。这些信息一般都和ID（键）挂钩，这种情景下键值数据库是个很好的选择。
不适用场景
1. 取代通过键查询，而是通过值来查询。Key-Value数据库中根本没有通过值查询的途径。
2. 需要储存数据之间的关系。在Key-Value数据库中不能通过两个或以上的键来关联数据。
3. 事务的支持。在Key-Value数据库中故障产生时不可以进行回滚。
二、列族/大表数据库
这是键-值数据库的一种更为先进的表现形式。从本质上讲，其中的键与值 存在一定程度的复合。我们可以将其视为一套贯穿多维数组的散列映射。基本每一个列都容纳着一行数据。举个例子，如果我们有一个Person类，我们通常会一起查询他们的姓名和年龄而不是薪资。这种情况下，姓名和年龄就会被放入一个列族中，而薪资则在另一个列族中。
代表产品：Cassandra、HBase
案列：Instagram （Cassandra）,NASA （Cassandra）,Yahoo!（HBase）
适用的场景
1. 日志信息。因为我们可以将数据储存在不同的列中，每个应用程序可以将信息写入自己的列族中。
2. 社交平台。我们储存每个信息到不同的列族中。
不适用场景
1. 需要ACID事务。
2. 数据之间的关系与数据本身的重要性不相上下
三、文档数据库
面向文档数据库会将数据以文档的形式储存。每个文档都是自包含的数据单元，是一系列数据项的集合。每个数据项都有一个名称与对应的值，值既可以是简单的数据类型，如字符串、数字和日期等；也可以是复杂的类型，如有序列表和关联对象。数据存储的最小单位是文档，同一个表中存储的文档属性可以是不同的，数据可以使用XML、JSON或者JSONB等多种形式存储。文档数据库属于自然而然的发展趋势。从集群化到数据访问，文档数据库与键-值数据库几乎完全一致;惟一的区别在于，文档数据库能够理解所存储数据中的文档内容。”换句话来说，文档数据库会可以将值作为JSON、而JSON文档中的元素则能够通过检索轻松进行查询与搜索。
代表产品：MongoDB、CouchDB、Couchbase
案列：SAP （MongoDB）
适用的场景
1. 文档信息存储。企业环境下，每个应用程序都有不同的日志信息。文档数据库数据库并没有固定的模式，所以我们可以使用它储存不同的信息。
2. 分析。鉴于它的弱模式结构，不改变模式下就可以储存不同的度量方法及添加新的度量。
不适用场景
在不同的文档上添加事务。文档数据库数据库并不支持文档间的事务
四、图形数据库
形数据库并不太关注数据规模或者可用性，而主要针对我们的数据之间存在怎样的相关性以及用户需要如何执行计算任务。正如Neo Technologies公司(主要产品为Neo4j数据库)产品工程高级主管Philip Rathle所说，图形数据库的威力主要体现在“数据集在本质上存在关联且非表格形式的情况下。其首要数据访问模式采用事务型机制，即OLTP/记录系统而非批量处理机制……请大家记住，图形数据库允许以事务性方式执行关联性操作，这一点在关系型数据库管理系统领域只能通过批量处理来完成。”
代表产品：Neo4J
案列：Adobe（Neo4J）
适用的场景
1. 在一些关系性强的数据中
2. 推荐引擎。如果我们将数据以图的形式表现，那么将会非常有益于推荐的制定
不适用场景
不适合的数据模型。图数据库的适用范围很小，因为很少有操作涉及到整个图。
