早期的数据库都是单库的，因为数据量不大，访问量不高，所以扛得住，随着互联网业务的不断发展，数据量越来越大，数据的表现形式也越来越丰富，这时候出现了数据库集群，比如读写分离等，再后来出现了分库分表，这些是单靠加机器，从物理层面解决问题，但是随着用户量的暴涨，关系型数据库可能就扛不住了，这时候出现了NoSQL数据库。
NoSQL=Not Only SQL
NoSQL的特点：
- 方便扩展（数据之间没有关联）
- 高性能（Redis每秒8万次写，11万次读，缓存是记录级的，是一种细粒度的缓存）
- 数据类型多样化，不需要提前设计数据库，随取随用
- 和传统的RDBMS相比，操作更加方便
在实际的工作中，需要RDBMS和NoSQL一起使用，才能发挥出最强的性能，它们各有各的优劣。
- NoSQL四大分类
分类 | 举例 | 应用场景 | 数据模型 | 优点 | 缺点 |
键值（Key-Value） | Redis | 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 | Key指向Value的键值对，通常用hash table来实现 | 查找速度快 | 数据无结构化，通常只被当作字符串或者二进制数据 |
文档型数据库 | MongoDB | 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） | Key-Value对应的键值对，Value为结构化数据 | 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 | 查询性能不高，而且缺乏统一的查询语法 |
列存储数据库 | HBase | 分布式的文件系统 | 以列簇存储，将同一列数据存储在一起 | 查找速度快，可扩展性强，更容易进行分布式扩展 | 功能相对局限 |
图形数据库 | Neo4J | 社交网络，推荐系统等，专注于构建关系图谱 | 图结构 | 利用图结构相关算法，比如最短路径寻址，N度关系查找等 | 很多时候需要对整个图做计算才能得出需要的信息，而且这种结构不好做分布式集群方案 |
