以下是软件开发中常用的数据库分类及代表产品，按数据模型和应用场景整理：
一、关系型数据库（RDBMS）
特点：采用表格结构，支持 SQL 查询，强调 ACID 事务特性
适用场景：交易系统、数据一致性要求高的业务系统
MySQL
开源免费，社区活跃
支持主从复制、集群（MySQL Cluster）
适用场景：中小型网站、电商系统（如淘宝早期架构）
扩展版本：MariaDB（完全兼容 MySQL）、Percona Server
PostgreSQL
开源，支持复杂查询和 JSON/XML 类型
被誉为 “的开源数据库”
适用场景：GIS 地理信息系统、数据分析、企业级应用
Oracle Database
商业数据库，功能强大（分区表、高级分析）
高可用性（RAC 集群）、审计
适用场景：大型企业系统（金融、电信）
SQL Server
微软产品，与.NET 生态深度集成
支持 SSIS（数据集成）、SSRS（报表）
适用场景：Windows 平台企业应用、BI 分析
二、非关系型数据库（NoSQL）
特点：灵活的数据模型，高扩展性，弱一致性
适用场景：高并发读写、海量数据存储、实时分析
键值存储
Redis
内存数据库，支持多种数据结构（String/Hash/List/Set）
适用场景：缓存、消息队列、分布式锁、实时排行榜
Memcached
简单的内存缓存，无持久化功能
文档存储
MongoDB
面向文档（BSON 格式），支持复杂查询
适用场景：内容管理系统、用户行为日志
CouchDB
支持 MVCC（多版本并发控制），适合离线同步场景
列存储
Cassandra
高扩展性，无单点故障
适用场景：海量数据存储（如日志分析、时间序列数据）
HBase
Hadoop 生态下的分布式数据库
适用场景：大数据实时读写
图数据库
Neo4j
基于图结构存储关系数据
适用场景：社交网络分析、知识图谱、推荐系统
三、时序数据库
特点：优化时间序列数据存储与查询
适用场景：监控系统、物联网数据采集
InfluxDB
开源，支持 SQL-like 查询
适用场景：系统监控指标存储、IoT 传感器数据
TimescaleDB
PostgreSQL 的时序扩展插件
适用场景：需要 SQL 能力的时序数据分析
四、搜索引擎数据库
特点：全文检索能力强，支持实时分析
适用场景：搜索功能、日志分析
Elasticsearch
基于 Lucene，支持分布式搜索与分析
适用场景：网站搜索、日志分析平台（ELK Stack）
Solr
同样基于 Lucene，企业级搜索应用广泛
适用场景：电商搜索、文档检索
五、内存数据库
特点：数据存储在内存中，读写性能
适用场景：高频交易、实时计算
Redis（同上，兼具键值存储与内存计算能力）
MemSQL
分布式内存数据库，支持 SQL 查询
适用场景：实时数据分析、广告投放系统
六、嵌入式数据库
特点：轻量级，无需独立服务器进程
适用场景：桌面应用、移动应用、小型系统
SQLite
文件型数据库，零配置
适用场景：iOS/Android 应用、小型工具软件
H2 Database
Java 开发，支持内存模式和嵌入式模式
适用场景：Java 应用内置数据库（如 Spring Boot 默认选项）
七、选择建议
业务系统（如电商、金融）
主库：MySQL/PostgreSQL + Redis 缓存
分析库：ClickHouse（实时分析）
实时数据处理（如监控、IoT）
InfluxDB（时序数据） + Kafka（消息队列）
内容管理系统（如博客、CMS）
MongoDB（灵活存储） + Elasticsearch（搜索）
分布式系统（微服务架构）
关系型：MySQL 集群 + 分库分表中间件（ShardingSphere）
非关系型：Cassandra（高可用） + Redis（会话存储）
个人项目 / 原型开发
SQLite（轻量） + Redis（缓存）
注意事项：
优先选择社区活跃、文档完善的数据库
考虑团队技术栈匹配度（如 Java 团队优先考虑 PostgreSQL/MySQL）
避免过度设计，从小规模开始演进（如先单实例 MySQL，再扩展为集群）