数据库的分类有哪些？

根据数据结构、架构模型、业务负载特征的不同，数据库可划分为不同类别。

1.按数据结构分类：关系型、NoSQL、NewSQL

数据库的数据结构类型随存储需求变化而不断拓展。最早的数据存储需求主要来源于结构 化数据，因此数据库产品多采用关系型架构，主流产品包括：Oracle、MySQL、PostgreSQL 等；2000 年以后随着互联网应用的快速普及，产生大量非结构化数据的存储需求，NoSQL 数据库快速兴起，主流产品包括 Redis、MongoDB 等；后来为解决 NoSQL 数据库缺乏强 一致性及事务支持的问题，NewSQL 数据库逐步发展，主流产品包括：Spanner、TiDB 等。

1）关系型数据库

关系型数据库是由多个二维表所组成的集合。关系型数据库，是指采用了关系模型来组织 数据的数据库，数据以行和列的形式进行存储，这一系列的行和列被称为表，一组表组成 了数据库。表格之中每一行通过独有的主码（Primary Key）来区分彼此，每一列都拥有统 一的数据类型，外码（Foreign Key）通常与主码（Primary Key）一起使用，用于建立表与 表之间的联系，通过匹配外码以寻找相应的行。

关系型数据库具备 ACID 特性，为主流数据库类型。关系型数据库严格遵循原子性 Atomicity、 一致性 Consistency、隔离性 Isolation、持久性 Durability（以上简称 ACID 特性），在维护 数据库完整性、数据一致性方面优势突出，适用于对数据安全性、事务支持高度要求的应 用场景。1）原子性：为避免不同指令之间的冲突，数据库中的事务执行被视为原子不可再 分，指令要么全部成功执行，要么失败而保持原状；2）一致性：为确保业务逻辑一致性， 数据库设置约束与触发器保证数据库完整性，任何事务看到的数据总保持一致；3）隔离性： 数据库通过加锁，保证事务之间相互隔离，从而避免脏读、幻读等；4）持久性：为避免数 据库丢失等意外事故，数据库所有指令都将会被永久保存，不会被回滚。

2）NoSQL（Not Only SQL）数据库

NoSQL 数据库尝试解决关系型数据库的扩展可用性缺陷。不同于关系型数据库，NoSQL 数据库只遵守 BASE 模型：基本可用 Basically Avaliable、软状态 Soft state、最终一致性 Eventual consistency：1）基本可用：当系统出现故障时，NoSQL 数据库不像关系型数据 库一样进行强制拒绝，而是允许损失部分可用功能或降低响应速度，以保证核心功能可用； 2）软状态：在处理数据过程中，允许数据状态出现暂时不一致的情况；3）最终一致性： NoSQL 数据库只追求最终的结果一致，数据处理的过程中暂时不一致将被允许。NoSQL 数据库解决了关系型数据库刚性架构的拓展性缺陷，NoSQL 的动态架构可实现横向扩展。

NoSQL 数据库更适用于海量数据的快速读写场景。NoSQL 概念早在 1998 年就已经被 Carlo Strozzi 提出，21 世纪初才进入规模化发展阶段，主要原因在于 2008 年互联网进入 Web 2.0 时代，大量非结构化数据出现，数据量呈现指数型增长，传统的关系型数据在非 结构化数据处理、海量数据快速读写、数据库扩展等方面的劣势逐渐暴露，因此，基于 BASE 特性的 NoSQL 架构被重新提出并得到快速发展，MongoDB、Redis、HBase 等 NoSQL 数 据库逐步进入大众视野，并实现了在电商、社交网络、搜索引擎等领域的应用落地。

常见 NoSQL 数据库主要包括键值型数据库、列族数据库、文档数据库、图数据库： （1）键值型数据库：适用于内容缓存，如会话、配置文件、参数等。其扩展性高，灵活性 好，大量操作时性能高，但数据无结构化，查询方法单一； （2）列族数据库：适用于分布式数据存储与管理，将同一列数据存在一起，可扩展性强， 查找速度快，复杂性低，但功能局限； （3）文档数据库：适用于存储文档数据，数据结构灵活，但缺乏统一查询语法； （4）图数据库：适用于图像数据、社交网络、推荐系统，专注构建关系图谱，支持复杂的 图形算法，但只能支持一定的数据规模。

3）NewSQL 数据库

NewSQL 数据库实现关系型数据库与 NoSQL 数据库的优势整合。尽管 NoSQL 数据库处 理数据的速度快，常用于处理海量数据，但 NoSQL 数据库并不遵守 ACID 原则，无法满足 事务一致性要求。2011 年，Matthew Aslett 提出 NewSQL（可横向扩展的 OLTP 关系型数 据库）概念，2012 年谷歌公司发布 Spanner 与 F1 论文，用原子钟和 Truetime API 解决分 布式问题，推动 NewSQL 快速发展。NewSQL 架构旨在整合关系型数据库与 NoSQL 数据 库的优势：1）保留 NoSQL 数据库对海量数据处理的速度与可扩展性；2）采用以 SQL 为 主要接口的关系数据模型，保持传统关系型数据库的 ACID 特性。 近年来 NewSQL 数据库快速发展，主要包括三类发展路径：1）基于全新的架构设计，代 表产品为 Google Spanner、SAP HANA；2）基于分片中间件，代表产品为 ScaleArc；3） 基于云服务商的 DaaS（database-as-a-service）平台，代表产品为 Amazon Aurora、ClearDB。

关系型数据库与非关系型数据库各有千秋。对比来看，1）关系型数据库：严格遵守 ACID 原则，具备较强的约束性以及数据完整性，利于数据库的管理的同时也导致数据库难以扩 展，在业务快速发展的信息时代存在一定的成本劣势；其二维的数据结构减少了数据的冗 余，但读取海量数据效率不理想；作为传统数据库，关系型数据库发展时间长，技术成熟， 学习成本低；2）NoSQL 数据库：遵守 BASE 原则，相较于关系型数据库，更便于扩展， 储存模式简单，查询速度更快；但其极高的可用性在一致性上做出了妥协，使用成本较高 且不利于管理，相关技术具备较高的成熟度；3）NewSQL 数据库：在底层解决了事务一 致性问题，并整合了 NoSQL 在可扩展性、可用性上的优势，但 NewSQL 技术较新，学习 成本较高，且目前大多 NewSQL 只适用特定场景，距离普及还需要一定时间。

2.按架构模型分类：集中式架构、分布式架构

集中式数据库指将信息存储、维护在单个位置的数据库。集中式数据库利用系统中心的服 务器统一管理所有资源，对数据进行集中储存及管理，并由一台机器作为服务器。由于集 中数据库的所有数据仅存储在单个位置，因此在数据访问、协调、管理方面具有突出优势， 同时相较于其他数据库成本更低，为大多数企业最开始的选择。但随着数据存储需求的变 化，集中式数据库的缺点逐渐显现：1）难以扩展：只能通过提升硬件性能实现数据处理性 能的提升；2）容灾性差：集中式数据库采用完全共享（Shared-everything）架构，一旦任 何环节发生系统故障，整个数据库系统都将无法使用。

常见的集中式数据库架构，主要包括一主多备、一写多读、多写多读三类：1）一主多备（备 用不可读）：使用单台主机模式部署，其他备机为主机备份数据，并在主机宕机的情况下代 替主机提供服务；2）一写多读：一个节点提供写服务，其他多个节点提供读服务，写节点 宕机时，读节点可以代替写节点来提供服务；3）多写多读：多个计算节点共享存储，每个 节点都提供读写服务，同时采用分布式锁或集中式锁解决写冲突。 分布式架构逐渐成熟，主要解决集中式架构扩展性差的问题。不同于既重视数据库统一处 理数据的架构，分布式数据库将数据分散在多个相互连接的节点上，通过使用多台机器， 将需要处理的数据、工作均衡分散到各个节点中，各节点相互连接又能够独立工作，节点 故障不会对其他节点产生影响。因此，近年来随业务拓展与数据体量变大，分布式架构成 为众多企业的选择。分布式数据库涵盖两大核心技术：1）数据的复制/分区：通过复制或分 区实现数据的多节点存放，复制包括主从复制、对等复制，分区包括垂直分区、水平分区 （即分片）；2）分布式事务：通过机制设计保证分布式环境下事务的 ACID 特性，包括两 阶段提交（2PC）、三阶段提交（3PC）、最大努力通知等解决方案。

分布式数据库技术路线选择上，都是以解决数据容量扩展问题为首要目标，主流方案包括 三类：1）分库分表+中间件：下层的单机数据库提供存储和执行能力，在多个单机数据库 上封装一层中间层补充分布式能力，以统一的数据分片规则管理分布在不同数据库节点的 数据；2）共享存储架构：计算节点独立并且共享一个不带计算功能的存储集群 (Shared-storage)，采用存算分离架构，计算层和存储层都可以动态扩缩容；3）去中心化 架构：每个节点有独立的计算和存储功能，采用存算分离架构，并且节点之间不共享数据 （Shared-nothing），分布式集群的每个节点都是独立节点。

3.按业务负载分类：OLAP、OLTP、HTAP

OLAP 为分析型数据库，OLTP 系统为事务型数据库。按业务负载类型区分，数据库大致 可以分成两大类：联机事务处理 OLTP（On-Line Transaction Processing）、联机分析处理 OLAP（On-Line Analytical Processing）：1）OLTP 是传统的关系型数据库的主要应用，主 要是基本的、日常的事务处理，记录即时的增、删、改、查，例如银行交易；2）OLAP 是 数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查 询结果，典型的应用就是复杂的动态报表系统。