四类主流数据库核心对比表
（按 数据模型 分类，记忆口诀：关系表结构，键值键对值，列存列分区，文档文档树）
| 对比维度 | 关系型数据库（RDBMS） | 键值（Key-Value）数据库 | 列存储数据库（Column-Family） | 文档数据库（Document Database） |
|---|---|---|---|---|
| 核心数据模型 | 二维表结构（行 + 列），遵循 ACID，支持 SQL | 键值对（Key-Value Pair），Key 唯一，Value 为二进制 / 字符串 | 列族结构（Table→Column Family→Column→Row），按列分区存储 | 文档模型（JSON/BSON/XML），文档为基本单位，支持嵌套结构 |
| 存储结构特点 | 按行存储，适合整行读写 | 哈希表 / 有序索引存储，Key 为索引，Value 无结构 | 按列存储，同一列数据物理相邻，适合列聚合查询 | 文档内按键值存储，支持索引，文档间无固定 schema |
| 查询能力 | 强，支持复杂 SQL 查询（联表、分组、聚合） | 弱，仅支持按 Key 查询，不支持复杂条件过滤 | 中，支持列级聚合查询，部分支持 SQL-like 语法 | 中强，支持文档内字段查询、索引，部分支持联表和复杂查询 |
| 事务支持 | 强，完全支持 ACID 特性 | 弱，多数仅支持单 Key 事务，部分支持分布式事务 | 中，部分支持行级事务，分布式事务支持有限 | 中，部分支持文档级事务，分布式事务支持有限 |
| Schema（模式） | 强 Schema，表结构固定，需提前定义 | 无 Schema，Value 结构完全灵活 | 弱 Schema，列族结构固定，列可动态添加 | 动态 Schema，文档结构灵活，无需提前定义 |
| 核心优势 | 数据一致性强，查询灵活，适合复杂业务逻辑 | 读写性能极高，延迟低，易于水平扩展 | 列聚合查询性能优异，适合大数据分析、统计 | 文档结构灵活，适合半结构化数据，开发效率高 |
| 核心劣势 | 水平扩展困难，高并发下性能瓶颈明显 | 查询能力有限，不支持复杂条件查询 | 行级读写性能较差，不适合高频事务操作 | 联表查询性能弱，复杂事务支持不足 |
| 典型产品 | MySQL、Oracle、PostgreSQL、SQL Server | Redis、Memcached、Amazon DynamoDB | HBase、Cassandra、ClickHouse | MongoDB、CouchDB、Elasticsearch（文档存储特性） |
| 软考高频应用场景 | 传统业务系统（电商订单、金融交易）、需要强一致性的场景 | 缓存系统、会话存储、高频读写的简单数据存储 | 大数据分析、日志存储、时序数据统计（如用户行为分析） | 内容管理系统（CMS）、电商商品信息、移动应用后台 |
1. 四大数据库与 CAP 定理的适配
- 关系型数据库：优先保证一致性（C） 和可用性（A），适合 CP 场景（如金融交易）。
- 键值 / 列存储 / 文档数据库：多为 NoSQL 数据库，优先保证可用性（A） 和分区容错性（P），适合 AP 场景（如互联网高并发业务）；部分列存储 / 文档数据库可通过配置支持 CP 场景。
2. 易混概念区分
- 列存储数据库 vs 关系型数据库：关系型按行存储，适合整行读写（如订单查询）；列存储按列存储，适合多行列聚合（如统计所有用户的消费总额）。
- 文档数据库 vs 键值数据库：键值数据库的 Value 无结构，仅能按 Key 查询；文档数据库的 Value 是结构化文档（如 JSON），可按文档内字段查询和索引。
3. 分布式支持能力
- 关系型数据库：分布式支持较弱，需通过分库分表中间件（如 Sharding-JDBC）实现水平扩展。
- NoSQL 数据库（键值 / 列存储 / 文档）：天生支持分布式，可通过增加节点实现水平扩展，适合海量数据和高并发场景。
特点
- 关系型：表结构，强事务，SQL 查询强，一致优先保。
- 键值型：键对值，读写快，查询仅靠 Key，缓存最常用。
- 列存储：按列存，聚合快，大数据分析，统计显优势。
- 文档型：JSON 树，Schema 活，半结构化数据，开发效率高。