1.key-value存储
| Examples | Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB |
| 典型应用场景 | 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 |
| 强项 | 查找速度快 |
| 弱项 | 数据无结构化，通常只被当作字符串或者二进制数据 |
2.列式数据库
| Examples | Cassandra, HBase, Riak |
| 典型应用场景 | 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 |
| 强项 | 查找速度快，可扩展性强，更容易进行分布式扩展 |
| 弱项 | 功能相对局限 |
3.文档型数据库
| Examples | CouchDB, MongoDb |
| 典型应用场景 | 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 |
| 强项 | 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 |
| 弱项 | 查询性能不高，而且缺乏统一的查询语法。 |
4.图结构数据库
| Examples | Neo4J, InfoGrid, Infinite Graph |
| 典型应用场景 | 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 |
| 强项 | 利用图结构相关算法。比如最短路径寻址，N度关系查找等 |
| 弱项 | 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。 |