一、关系型数据库

核心概念： 建立在关系模型基础上的数据库。它使用表（Table） 来存储数据，表由行（Row） 和列（Column） 组成。不同表之间通过主键（Primary Key） 和外键（Foreign Key） 建立关联。

核心特性（ACID）：

A - 原子性： 事务内的所有操作要么全部完成，要么全部不完成，不存在中间状态。

C - 一致性： 事务必须使数据库从一个一致性状态变换到另一个一致性状态。

I - 隔离性： 并发执行的事务之间不会相互干扰。

D - 持久性： 事务完成后，对数据的修改是永久性的，即使系统故障也不会丢失。

代表产品：

MySQL, PostgreSQL, Oracle Database, Microsoft SQL Server, DB2

优势：

1. 结构化数据： 适合存储格式固定、结构严谨的数据。

2. 强大的SQL支持： 使用标准化的SQL语言进行复杂查询（如多表关联、聚合、子查询等），功能强大且灵活。

3. 数据一致性和完整性： 严格的ACID特性保证了交易数据（如银行转账、订单支付）的绝对可靠。

4. 成熟的生态系统： 拥有多年的技术积累，工具、社区和支持都非常完善。

劣势：

1. 扩展性限制： 垂直扩展（升级服务器硬件）成本高，水平扩展（分库分表）复杂且对应用侵入性强。

2. ** schema 不灵活：** 数据结构需要预先定义（schema-on-write），后期修改表结构比较麻烦，不适合快速迭代的业务。

3. 高并发下的性能瓶颈： 在面对海量数据和高并发读写（如社交媒体的点赞、评论）时，性能可能成为瓶颈。

4. 不适合非结构化数据： 难以高效存储和处理文档、图片、视频等非结构化数据

二、非关系型数据库

核心概念： 为了克服关系型数据库的不足而设计。它没有固定的表结构，通常不遵循ACID原则，而是在数据模型、扩展性和性能上做了优化。

优势：

1. 灵活的数据模型： 支持动态schema（schema-on-read），可以轻松适应数据结构的变化。

2. 极高的扩展性： 天生为水平扩展（增加节点）设计，能够轻松应对海量数据和高并发。

3. 高性能： 针对特定的数据模型和访问模式进行了高度优化，读写速度极快。

4. 高可用性： 很多NoSQL数据库内置了分布式和复制机制，保障服务不中断。

劣势：

1. 弱化的事务一致性： 大多数遵循BASE理论（基本可用、软状态、最终一致性），无法提供像关系型数据库那样的强一致性保证。

2. 查询功能相对单一： 缺乏像SQL那样统一、强大的查询语言，复杂查询（特别是多表关联）实现困难。

3. 学习成本： 不同类型的NoSQL数据库需要学习不同的数据模型和API。

4. 成熟度： 相比关系型数据库，部分NoSQL产品在生态系统和工具支持上稍显年轻。

三、如何选择：什么场景使用什么？

简单总结：

用关系型数据库当你的核心业务需要“铁一般的纪律”：金融交易、会计系统、核心订单系统等。

用非关系型数据库当你的业务需要“海纳百川的规模和弹性”：用户画像、社交APP、物联网数据平台、实时推荐等。

四、如何结合使用：混合持久化

在现代微服务架构中，一个企业系统通常会同时使用多种数据库，让每种数据库做自己最擅长的事，这被称为 “混合持久化”。

一个经典的电商平台例子：

1. 核心业务数据（关系型数据库 - MySQL/PostgreSQL）

   • 用途： 存储用户账户、商品信息、订单、支付记录。

   • 原因： 这些数据关系复杂，需要严格的ACID事务来确保“下单减库存”、“支付更新状态”等操作的绝对准确。

2. 会话和缓存（键值数据库 - Redis）

   • 用途： 存储用户的登录会话（Session）、热门商品信息、首页页面缓存。

   • 原因： 读写性能要求极高，数据可以丢失（会话可重建），Redis的内存特性完美契合。

3. 商品评论和用户动态（文档数据库 - MongoDB）

   • 用途： 存储用户发布的商品评论、晒图、问答。

   • 原因： 这些内容结构多变，不同商品的评论字段可能不同，文档模型的灵活性非常适合。

4. 用户行为日志（列族数据库 - HBase）

   • 用途： 记录用户的点击、浏览、搜索历史。

   • 原因： 数据量巨大（每天TB级），写多读少，后期用于大数据分析（如用户行为分析、个性化推荐）。

5. 社交关系和推荐（图数据库 - Neo4j）

   • 用途： 存储“好友关系”、“购买此商品的人还买了...”、“关注了该品牌的用户”。

   • 原因： 这些是典型的图关系数据，使用图数据库可以高效地进行多度关系查询和路径分析。

结合使用的关键点：

• 服务解耦： 每个微服务可以选择最适合自己数据需求的数据库类型。

• 数据同步： 需要通过ETL工具（如DataX）、CDC工具（如Debezium）或消息队列（如Kafka）在不同数据库间同步数据，例如将MySQL中的订单数据同步到HBase中做分析。

• 最终一致性： 在跨数据库的场景下，强一致性很难保证，系统需要接受最终一致性。

总结

没有最好的数据库，只有最合适的数据库。关系型数据库是精密的瑞士军刀，可靠而精准；非关系型数据库是各种专业工具，各有所长，威力巨大。

现代企业的正确做法是：
理解业务需求 -> 选择合适的数据存储方案 -> 在需要时，大胆地混合使用它们，让专业的工具做专业的事。