除了MySQL，这 9 种数据库你竟然都不认识？
你是小阿巴，正在公司敲代码。老板走过来说：小阿巴，给咱们网站加个商品搜索功能吧。
你拍拍胸脯：没问题，我直接用 MySQL 数据库的 LIKE 模糊查询实现搜索，1 小时上线~
https://pic.yupi.icu/1/1769046035544-3e355bec-1028-4bb1-b637-28e9cf20c018.png
结果上线后，用户点击搜索，卡了半天没反应，老板气得脸都绿了。
你急的汗流浃背，只能找到号称『后端之狗』的鱼皮求助：阿巴阿巴，俺用 MySQL 搞不定，咋办啊……
鱼皮：不是哥们，又不是只有 MySQL 这一个数据库。
下面我来带你认识 10 种不同类型的数据库，让你知道什么场景该用什么数据库。
https://pic.yupi.icu/1/1769046078618-555a841a-ed22-4121-83b2-31cb476c98d3.png
点个收藏，我们开始~
⭐️ 推荐观看视频版，有动画更好理解：https://www.bilibili.com/video/BV1ChkjBsEzq
关系型数据库
首先是我们接触最多的、也是后端入门必学的 关系型数据库。
在关系型数据库中，数据以 表 的形式进行组织和存储，每个表就像一个 Excel 表格，包含多个 行 和多个 列。
https://pic.yupi.icu/1/1769046104268-fafdc854-6c9a-4c18-9ed2-8bed31df4255.png
比如你要做个学生管理系统，把学生信息存储到关系型数据库中，结构大概是这样的：
学号学生姓名所属班级号1小李12小鱼23小皮3上述学生表格中，每一行代表一个学生的信息，每一列代表学生的一个属性。
https://pic.yupi.icu/1/1769046133583-18e6b389-b3b7-4c56-b5f3-7482a3897bd3.png
我们可以使用结构化查询语言 SQL 来对关系型数据库表的数据进行灵活地查询、选择、过滤等。
https://pic.yupi.icu/1/1769046171362-f78a9b15-01af-461f-a381-aba768a6b9da.png
而关系型数据库最大的特点，就是表和表之间可以 存在关系。比如学生管理系统中还可以有班级表，结构如下：
班号班级名称1快乐班2泰酷班3躺平班如果我想知道某个学生所属的班级信息，只需要在查询时将学生表的 所属班级号 和班级表的 班号 进行关联，而不用把所有表格的列存储在一起，非常灵活。
https://pic.yupi.icu/1/1769046205914-6c310482-3877-4c49-9a55-d149d18dea3b.png
通过 SQL 可以连接查询多张表：
https://pic.yupi.icu/1/1769046244600-ce30e15f-2126-43fc-a411-c0c239132cad.png
得到下面的查询结果：
学号学生姓名所属班级号班级名称1小李1快乐班2小鱼2泰酷班3小皮3躺平班此外，关系型数据库遵循 ACID 原则（原子性、一致性、隔离性和持久性），通过 事务 机制可以保证多个操作同时进行时，数据的状态保持一致。
https://pic.yupi.icu/1/1769046260240-011c65d1-7cc3-4d92-9308-edbc02b58f6e.png
举个例子，A 给 B 转账，A 扣钱的同时 B 也会加钱，不会出现 A 扣了钱 B 却没收到钱的情况。
https://pic.yupi.icu/1/1769046268776-0fb467ab-ee27-4b41-875e-2b476319fa8e.png
正因为关系型数据库既能灵活查询、又能准确写入，所以它几乎可以被应用在任何项目中。比如各类管理系统、数据分析系统、金融银行系统等。
比较主流的关系型数据库产品有：
[*]MySQL：开源易学，后端开发必学的数据库
[*]Oracle：人称 “甲方的数据库”，主要是大型企业和政府机构在用，功能强大但授权费用昂贵
[*]PostgreSQL：开源界的天花板，功能最全面
[*]SQL Server：微软出品，和 Windows 系统、.NET 生态集成度高
[*]SQLite：整个数据库就是一个文件，不需要服务器，非常轻量。被广泛应用在手机 APP、浏览器中，你的手机里可能有几十个 SQLite。
https://pic.yupi.icu/1/1769046291097-2dea6cb4-76e5-45ef-8799-e187324eee46.png
对于大多数项目，用 MySQL 等关系型数据库来存储数据就足够了。但如果要存储的数据间没有复杂关系、或者需要极致的性能时，它并不是最佳选择。
你点点头：俺知道，就好比俺要写一篇文章，没必要非得把内容塞进 Excel 表格里，直接放到 Word 文档里会更方便编辑和阅读。
https://pic.yupi.icu/1/1769046311448-c44f5ab1-122a-4f6d-b747-72a751076c40.png
鱼皮：没错，这时就需要与关系型数据库互补的 非关系型数据库。
非关系型数据库
非关系型数据库又叫 NoSQL（Not Only SQL），适合存储关系不强的、结构灵活的、需要快速访问的数据。
打个比方，关系型数据库像图书馆，书籍分类明确、摆放有序、借阅有规矩；非关系型数据库像你的书桌，怎么顺手怎么放，拿取方便最重要。
https://pic.yupi.icu/1/1769046340534-5f4466d4-a3ca-4ee6-ac3c-20ef7dccf7e2.png
在实际项目开发中，最常用的非关系型数据库是 KV 数据库和文档数据库。
KV 键值数据库
KV 即 Key-Value，数据是以 键值对 的方式存储在数据库中的，可以理解为一个超大的 HashMap，数据库中存储的每个键都 唯一对应 一个值。
https://pic.yupi.icu/1/1769046368331-812c7cf0-c7f7-4729-a6e3-355e12c97012.png
比如存储用户信息和热门商品信息，结构是这样的：
Key 键Value 值user:1001{"name":"鱼皮", "age":25}product:hot["商品1", "商品2", "商品3"]键和值都可以是任意类型的数据，包括字符串、数字、数组、JSON 对象等，非常灵活。
https://pic.yupi.icu/1/1769046389692-9ca17922-31d9-4d96-b137-e656a28b7bb1.png
由于 KV 存储的结构简单清晰，我们能够很轻松地根据某个键查找出对应的值，就像查字典一样，读写数据的性能都非常高。
https://pic.yupi.icu/1/1769046410265-58317e5d-f180-40a0-b74e-73303c51e51c.png
此外，KV 数据库的可扩展性很强。因为数据间不存在直接关联，我们可以把键值对分散到多台机器上存储，通过数据分片、负载均衡等策略来支持海量数据的高并发访问。
https://pic.yupi.icu/1/1769046426157-472a8692-ce7c-4f35-ac9f-f72f79e64461.png
由于高性能和高可扩展性，KV 数据库被广泛应用于缓存、分布式会话、分布式锁、实时统计等场景。
最经典的 KV 数据库肯定是 Redis，它是开源的、基于内存的数据库，不仅支持丰富的数据类型和功能，还有持久化等重要特性，也是后端必学的技术。其他的常用 KV 数据库有 Memcached、Etcd、LevelDB、RocksDB 等。
https://pic.yupi.icu/1/1769046460033-399df7a0-52ab-4688-87a9-d588e023a2cd.png
文档数据库
文档数据库也属于非关系型数据库。顾名思义，它适用于存储和管理 半结构化的 文档数据，数据一般以 JSON（BSON）格式存储。
https://pic.yupi.icu/1/1769046482240-ed33a56b-ee35-4675-9f4a-198dc358aa81.png
相比于关系型数据库中严格定义的表格行列，文档数据库的数据结构更像是一份份独立的文档，每个文档都可以包含不同类型和格式的数据，结构非常灵活。
https://pic.yupi.icu/1/1769046496875-31c79250-75d5-47c3-aa99-6b26592529cf.png
比如存储博客文章，结构是这样的：
文档 ID文档数据1{"_id": 1, "title": "文章标题1", "content": "这是文章1的内容"}2{"_id": 2, "title": "文章标题2", "author": "程序员鱼皮"}你挠挠头：诶，文档 1 和文档 2 的字段都不一样啊，这也行？
https://pic.yupi.icu/1/1769046523057-2b5ec58d-cc9b-4158-86e9-9d064234837f.png
鱼皮：没错，这就是文档数据库的灵活性。当我们要给某个文档新增一个字段时，不需要像关系型数据库那样先改表结构，直接加就完事了。
https://pic.yupi.icu/1/1769046535768-95f8c433-799a-4dc1-8eba-57462a06cb60.png
而且支持水平扩展，可以分散到多台服务器上存储，适用于内容管理系统、博客平台、电商商品详情页等场景。
https://pic.yupi.icu/1/1769046553474-2f4f8e29-acd7-4513-97f3-3c3db8387d00.png
推荐学习的文档数据库是 MongoDB，因为它存储的就是 JSON（BSON）格式数据，对前端同学很友好，入门难度也很低。
https://pic.yupi.icu/1/1769046584609-f8d64eee-2ba0-47d5-9bcf-53b6c649bab8.png
特定场景的数据库
虽然关系型和非关系型数据库已经能够满足大部分场景，但在一些特殊场景下，使用专门设计的数据库会更高效。就像你可以用菜刀砍树，但用斧子会更快更省力。
搜索引擎数据库
专门为搜索功能设计的数据库。它能存储和管理大量文本数据，提供快速、准确、灵活的全文检索功能。
https://pic.yupi.icu/1/1769046741104-26c4789b-eacc-44cc-8e56-2bc0540fbf83.png
你挠挠头：凭什么它能做到这些呢？
鱼皮：秘密在于它使用了 倒排索引 的方式存储数据。
以存储博客文档为例，关系型数据库的存储结构是：
文档 id文档内容1感谢关注鱼皮2鱼皮是一名程序员3感谢关注编程导航我们能够根据 id 来查找到对应的单篇文档，也可以通过搜索精确的关键词，来查找到多篇文档。
比如搜索 "鱼皮"，能搜出文档 1、2。
https://pic.yupi.icu/1/1769046766080-461cb25b-ee6e-4147-95c2-9c29de154d6f.png
但是，如果你搜索 "鱼皮程序员"，是无法得到搜索结果的，因为没有任何一个文档的内容完全包含 "鱼皮程序员" 这个词。
https://pic.yupi.icu/1/1769046788388-c7d61899-5f12-4602-913e-6aeadf8ff11e.png
而在搜索引擎数据库中，首先会将文档内容按照单词进行分割，也就是 分词。然后 建立倒排索引，也就是构建 单词到文档 id 的映射。
https://pic.yupi.icu/1/1769046816558-f4664b4c-adbc-49db-aac8-5d226a4ad79e.png
有了上述的倒排索引，当用户搜索 "鱼皮程序员" 时，搜索引擎数据库会先对搜索词进行分词，得到 "鱼皮" 和 "程序员"，然后根据这两个词汇就能找到文档 id 1 和 2 了。不用再一行一行遍历表内所有的数据，实现了更灵活、快速的搜索。
https://pic.yupi.icu/1/1769046846293-ad818adf-7827-4e35-ab0e-a533abdbfb3e.png
此外，搜索引擎数据库还支持 相关性排序，能够根据用户的搜索词对所有搜索结果进行打分，把最相关的文档排到最上面，就像谷哥度娘那样。
https://pic.yupi.icu/1/1769046887031-ef06a928-c79e-4137-add9-af354960718e.png
主流的搜索引擎数据库技术有 Elasticsearch、Apache Solr 等，建议只学习 Elasticsearch 就够了，它的社区最活跃、学习资料最丰富。
向量数据库
向量数据库是专门用于存储和处理 高维向量数据 的数据库，也是 AI 时代最火的数据库。
你好奇道：啥是向量？
鱼皮：简单来说，向量是一个数字数组，每个数字代表一个 特征 维度。
https://pic.yupi.icu/1/1769046928023-6111fd54-4926-4ef0-b67b-e10f3af57d52.png
举个例子，在人脸识别系统中，我们需要通过人脸的特征来判断是否为同一个人。每张人脸图像都可以通过 AI 模型转换成一个向量，这个向量可能包含成百上千个数字，每个数字代表图像的一个 抽象 特征维度。
https://pic.yupi.icu/1/1769046952154-95dacf33-fdb9-4292-9dc5-f380cbd436a0.png
实际上，很难说清楚每个数字代表什么，但便于理解，你可以 想象 下标 0 代表鼻子大小，下标 1 代表眼睛距离等等，以此类推。
https://pic.yupi.icu/1/1769046978264-07db43ed-3359-42f1-9eb5-398a50075612.png
之后通过余弦相似度等算法来计算两个向量的相似度，就能判断出两张人脸是不是同一个人。
https://pic.yupi.icu/1/1769046993671-ade00d9a-8843-4c49-831a-5b56fe3ce1d5.png
向量数据库能够高效存储这些多维向量数据、快速计算向量的相似度、并实现各种不同算法的相似性搜索。适用于人脸识别、推荐系统、语义搜索等场景。
https://pic.yupi.icu/1/1769047040406-e482b09b-5bde-4d53-ab72-f3f4fc517740.png
在 AI 时代，可以用向量数据库给 AI 提供特定领域的知识库，大大提升回答的准确性。
https://pic.yupi.icu/1/1769047066536-0ef08cd3-b86b-4c97-9016-7add32a710b8.png
主流的向量数据库技术有 Milvus、Pinecone 等，像 PostgreSQL 关系型数据库也通过插件支持存储向量类型的数据。
https://pic.yupi.icu/1/1769047081407-1a8b5917-6287-44a7-829a-d6d451fd94d5.png
图数据库
图数据库是专门用于存储和处理 图结构数据 的数据库。
注意，这里的 “图” 可不是照片或图表，而是数学中的图论概念，由节点（Node）和边（Edge）构成的图形结构。
https://pic.yupi.icu/1/1769047101689-da28414a-be17-41f6-bbd4-bcf383b7bcb6.png
比如我们要存储一个社交网络的朋友关系，对应的图可能是由多个用户节点和好友关系边组成的。
https://pic.yupi.icu/1/1769047119607-ae21e16a-3a0a-41f1-9a86-8a6397221d40.png
在图数据库中，需要 2 个表格来存储。
1）节点信息表：
节点 id节点名1鱼皮2阿巴3编程导航2）边信息表：
边 id边类型起始节点结束节点1好友122好友23通过存储这些节点和边的信息，图数据库就能快速查询和分析复杂的关系网络。比如查找 “朋友的朋友”、计算两个用户之间的最短路径、发现社交圈子等等。
https://pic.yupi.icu/1/1769047139049-319a4d3b-4cb0-4621-96cd-7bcb389e3bd5.png
因此，图数据库非常适合构建社交网络、推荐系统、知识图谱等。
比较主流的图数据库有 Neo4j、TigerGraph 等，都支持复杂的图算法和分布式扩展，能够通过并行计算加速图形处理。
时序数据库
时序数据库是专门用于高效存储和处理 时间序列 的数据库。
时间序列是指以时间作为主要维度的数据序列，也就是每个数据单元都带着 时间戳，按时间顺序排列。
https://pic.yupi.icu/1/1769047158435-efe7a535-5933-435e-be72-e3c8564938d3.png
举个例子，在服务器监控系统中，我们需要每分钟记录服务器的 CPU 使用率、内存使用率等指标，数据结构如下：
时间戳设备IDCPU使用率内存使用率2026-01-08 10:00Server00145%60%2026-01-08 10:01Server00148%62%2026-01-08 10:02Server00152%65%有了这些数据，我们就能够按照时间范围进行高效查询、做聚合分析（比如计算过去 1 小时的平均 CPU 使用率）、进行数据可视化展示。
https://pic.yupi.icu/1/1769047202953-465cad36-e6d7-40af-8606-b996f48427c4.png
因此，时序数据库非常适用于物联网设备监控、服务器性能监控、金融交易数据分析等场景。
主流的时序数据库技术有 InfluxDB、TimescaleDB 等，一般会配合 Grafana 监控看板一起使用，实现数据存储 + 快速可视化。你在运维团队看到的那些酷炫的实时监控大屏，背后就是时序数据库在支撑。
https://pic.yupi.icu/1/1769047244293-20682c1e-1b4e-4d85-86d8-7f19423d5e63.png
列存数据库
区别于传统的行式数据库，列存数据库 以列作为基本的存储单位，把每一列的数据存储在一起。
拿公司每天的收入来举个例子，传统的行式数据库是这么存储的：
日期销售额成本利润2026-01-01500600-1002026-01-02280450-1702026-01-03290480-190而在列存数据库中，底层大概是这么存储的，看起来像是对矩阵做了一次转置：
日期2026-01-012026-01-022026-01-03销售额500280290成本600450480利润-100-170-190https://pic.yupi.icu/1/1769047283720-dc8a1a80-775f-42c3-b9ad-905482211ef7.png
如果我们要统计这 3 天公司的总利润，传统的行式数据库需要依次读取每一行的数据，然后再提取出利润这一列进行计算；而列存数据库直接读取利润这一列就行了，不用管其他列，大大提高了数据分析和聚合操作的效率。
https://pic.yupi.icu/1/1769047302972-d25465bf-e742-4195-bdd9-02d35221cb2c.png
而且从计算机底层来分析，把相同类型的数据在同一列中连续存储，可以实现更好的数据压缩效果、节约存储空间。
https://pic.yupi.icu/1/1769047320827-2f01f292-2740-48c9-9e88-ce76fb916d69.png
因此，列存数据库适用于报表生成、数据仓库、商业智能分析等场景。
主流的列存数据库技术有 ClickHouse、Apache HBase、Druid 等，都是大数据开发的必修课。
融合型数据库
前面我们讲了关系型和非关系型数据库，要么强调灵活查询、要么强调性能和扩展，各有侧重。
但有些数据库偏偏 “既要又要”，要把两者的优点融合到一起，这就是接下来要讲的融合型数据库。
NewSQL 数据库
NewSQL 是一类新兴的数据库，它融合了传统关系型和非关系型数据库的优点。既有传统 SQL 数据库的 ACID 特性和事务支持，又有 NoSQL 的水平扩展能力和高性能。支持标准 SQL 查询、分布式架构、自动容错和故障恢复，可以替代传统的分库分表方案，特别适用于大厂的高并发系统。
https://pic.yupi.icu/1/1769047409874-a71a5bb2-55e3-4fdf-989f-279443f6333e.png
主流的 NewSQL 数据库有 TiDB、CockroachDB、Google Spanner 等。其中 TiDB 是国产之光，支持 HTAP（混合事务分析处理），而且完全兼容 MySQL 协议，迁移成本低；CockroachDB 人称 “蟑螂数据库”，因为它像蟑螂一样顽强，集群中一个节点挂了，其他节点依然能正常服务，打不死。
https://pic.yupi.icu/1/1769047435788-00b95325-6db3-4e0d-ad0e-9306aae0a44a.png
多模数据库
区别于前面所有存储单一数据模型的数据库，多模数据库能够直接在一个数据库里同时存储和处理 多种不同类型 的数据。比如关系型数据、文档数据、图形数据、键值对数据等等，非常灵活、省去了维护多个数据库的麻烦。
https://pic.yupi.icu/1/1769047520260-ce9f1d1f-7461-4d72-8399-da26f32895d3.png
而且多模数据库还支持跨模型事务，能够更轻松地实现数据的一致性和完整性，不需要手动实现跨库事务、跨库数据同步这些复杂操作。
https://pic.yupi.icu/1/1769047563591-50c268c7-a5b5-446b-b26f-5442585954cb.png
虽然听起来很厉害，但实际开发中很少用，因为样样通样样松，多模数据库的性能往往不如专注单一场景的数据库。
原生的多模数据库技术有 ArangoDB、OrientDB 等，它们从设计之初就是为多模式设计的。前面也提到，虽然 PostgreSQL 这样的老牌关系型数据库可以通过丰富的插件支持多种数据类型（比如 JSON 文档、向量、地理空间数据等），但它的核心始终是关系模型，多模支持算是锦上添花，不过这也体现了 PostgreSQL 的强大。
https://pic.yupi.icu/1/1769047616509-2f804e48-da67-46b4-98be-c055be6e8afe.png
怎么选择数据库？
你一脸懵逼：阿巴阿巴，你讲了这么多数据库，俺头都大了，到底该选哪个？
https://pic.yupi.icu/1/1769047642317-6caf5e32-e14f-4026-bfcf-b978c273dee9.png
鱼皮笑了笑：别慌，数据库选型其实没那么复杂。
优先选用 MySQL / PostgreSQL + Redis，能覆盖 90% 的项目需求。
有特定功能或优化需求时，再选择专业数据库。比如需要搜索功能了，再加 Elasticsearch；要做 AI 知识库了，再加向量数据库。
毕竟每多一个数据库，就多一份运维工作和故障风险。
https://pic.yupi.icu/1/1769047680049-1448b1e3-a317-44fb-a460-73ed9d86584c.png
你：学会了学废了！对了鱼皮，我还听说过数据湖、数据仓库，这些是啥啊？
鱼皮：简单来说，数据仓库是用来存储和分析大量结构化数据的；数据湖更像个大水池，什么数据都能往里扔，包括日志、图片、视频这些非结构化数据。它们更多是大数据架构层面的概念。
https://pic.yupi.icu/1/1769047706736-b6be24ca-b499-4cb8-855a-3c3f69e3b0eb.png
感兴趣的话，点个关注，后面专门出一期讲讲~
https://pic.yupi.icu/1/1769047895228-bbfb3796-2c85-4819-8a05-485c995c4980.webp
更多编程学习资源
[*]Java前端程序员必做项目实战教程+毕设网站
[*]程序员免费编程学习交流社区（自学必备）
[*]程序员保姆级求职写简历指南（找工作必备）
[*]程序员免费面试刷题网站工具（找工作必备）
[*]最新Java零基础入门学习路线 + Java教程
[*]最新Python零基础入门学习路线 + Python教程
[*]最新前端零基础入门学习路线 + 前端教程
[*]最新数据结构和算法零基础入门学习路线 + 算法教程
[*]最新C++零基础入门学习路线、C++教程
[*]最新数据库零基础入门学习路线 + 数据库教程
[*]最新Redis零基础入门学习路线 + Redis教程
[*]最新计算机基础入门学习路线 + 计算机基础教程
[*]最新小程序入门学习路线 + 小程序开发教程
[*]最新SQL零基础入门学习路线 + SQL教程
[*]最新Linux零基础入门学习路线 + Linux教程
[*]最新Git/GitHub零基础入门学习路线 + Git教程
[*]最新操作系统零基础入门学习路线 + 操作系统教程
[*]最新计算机网络零基础入门学习路线 + 计算机网络教程
[*]最新设计模式零基础入门学习路线 + 设计模式教程
[*]最新软件工程零基础入门学习路线 + 软件工程教程
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ 新版吗？好像是停更了吧。 谢谢楼主提供！ 不错，里面软件多更新就更好了 这个好，看起来很实用 鼓励转贴优秀软件安全工具和文档！ 新版吗？好像是停更了吧。 新版吗？好像是停更了吧。 谢谢分享，试用一下 谢谢分享，辛苦了 谢谢分享，辛苦了 前排留名，哈哈哈 新版吗？好像是停更了吧。 用心讨论，共获提升！ 喜欢鼓捣这些软件，现在用得少，谢谢分享！ 东西不错很实用谢谢分享
页:
[1]