键值(Key-Value)存储数据库
这一类数据库主要会使用到一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。Key/value模型对于IT系统来说的优势在于简单、易部署。但是如果DBA只对部分值进行查询或更新的时候，Key/value就显得效率低下了。举例如：Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB.
列存储数据库
这部分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。这些列是由列家族来安排的。如：Cassandra, HBase, Riak.
文档型数据库
文档型数据库的灵感是来自于Lotus Notes办公软件的，而且它同第一种键值存储相类似。该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如JSON。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。
图形(Graph)数据库
图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。NoSQL数据库没有标准的查询语言(SQL)，因此进行数据库查询需要制定数据模型。许多NoSQL数据库都有REST式的数据接口或者查询API。如：Neo4J, InfoGrid, Infinite Graph.
NoSQL几大数据库对比：
键值（key-value）：
数据库例子：Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB
应用场景：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。
数据模型：Key 指向 Value 的键值对，通常用hash table来实现。
优点：查找速度快
缺点：数据无结构化，通常只能被当作字符串或者二进制数据
列存储数据库：
数据库例子：Cassandra, HBase, Riak
应用场景：分布式的文件系统
数据模型：以列簇式存储，将同一列数据存在一起
优点：查找速度快，可扩展性强，更容易进行分布式扩展
缺点：功能相对局限
文档型数据库：
数据库例子：CouchDB, MongoDb
应用场景：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）
数据模型：Key-Value对应的键值对，Value为结构化数据
优点：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
缺点：查询性能不高，而且缺乏统一的查询语法。
图形（graph）数据库：
数据库例子：Neo4J, InfoGrid, Infinite Graph
应用场景：社交网络，推荐系统等。专注于构建关系图谱
数据模型：图结构
优点：利用图结构相关算法。比如最短路径寻址，N度关系查找等
缺点：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。