数据库有哪些？
数据库有哪些？要了解数据库之前，先要了解下关系型数据库和非关系型数据库。一、关系型数据库1.概念关系型数据库是指采用了关系模型来组织数据的数据库。简单来说，关系模式就是二维表格模型。主要代表：SQL Server， Oracle ,Mysql, PostgreSQL。2.优点（1）.容易理解，二维表的结构非常贴近现实世界，二维表格，容易理解。
（2）使用方便，通用的sql语句使得操作关系型数据库非常方便。（3）易于维护，数据库的ACID属性，大大降低了数据冗余和数据不一致的概率。3.瓶颈(1 )海量数据的读写效率。对于网站的并发量高，往往达到每秒上万次的请求，对于传统关系型数据库来说，硬盘I/o是一个很大的挑战。(2) 高扩展性和可用性。4.特点SQL Server是一个关系数据库管理系统。
它最初是由Microsoft、Sybase 和Ashton-Tate三家公司共同开发的，于1988 年推出了第一个OS/2版本。在Windows NT 推出后，Microsoft与Sybase 在SQL Server 的开发上就分道扬镳了，Microsoft 将SQL Server移植到Windows NT系统上，专注于开发推广SQL Server 的Windows NT 版本。
Sybase 则较专注于SQL Server在UNⅨ操作系统上的应用。MysqlMySQL 是最流行的关系型数据库管理系统，在 WEB 应用方面 MySQL 是最好的 RDBMS(Relational Database Management System：关系数据库管理系统)应用软件之一。PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理系统（ORDBMS），是以加州大学计算机系开发的POSTGRES，4.2版本为基础的对象关系型数据库管理系统二、从关系型到非关系型在基于web的结构中，数据库是最难以横向拓展的，当一个应用系统的用户量和访问量与日俱增的时候，数据库没有办法像web Server那样简单的通过添加更多的硬件和服务节点来拓展性能和负载能力。
关系型数据库的最大优点就是事务的一致性，这个特性，使得关系型数据库中可以适用于一切要求一致性比较高的系统中。比如：银行系统。但是在网页应用中，对这种一致性的要求不是那么的严格，允许有一定的时间间隔，所以关系型数据库这个特点不是那么的重要了。相反，关系型数据库为了维护一致性所付出的巨大代价就是读写性能比较差。
而像微博、facebook这类应用，对于并发读写能力要求极高，关系型数据库已经无法应付。所以必须用一种新的数据结构存储来替代关系型数据库。所以非关系型数据库应用而生。三、非关系型1.概念NoSQL非关系型数据库，主要指那些非关系型的、分布式的，且一般不保证ACID的数据存储。主要代表：MongoDB，Redis、CouchDB。
2.应用场景（1）面向高性能并发读写的key-value数据库主要特点是具有极高的并发读写性能，例如Redis、Tokyo Cabint等。（2）面向海量数据访问的面向文档数据库特点是，可以在海量的数据库快速的查询数据。例如MongoDB以及CouchDB.（3）面向可拓展的分布式数据库解决的主要问题是传统数据库的扩展性上的缺陷。
3.缺点但是由于Nosql约束少，所以也不能够像sql那样提供where字段属性的查询。因此适合存储较为简单的数据。有一些不能够持久化数据，所以需要和关系型数据库结合。4.特点MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引redis是一个key-value存储系统。和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。
这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，redis支持各种不同方式的排序。与memcached一样，为了保证效率，数据都是缓存在内存中。区别的是redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，并且在此基础上实现了master-slave(主从)同步。
CouchDB是用Erlang开发的面向文档的数据库系统，2010年7月14日发布了1.0版本。CouchDB不是一个传统的关系数据库，而是面向文档的数据库，其数据存储方式有点类似lucene的index文件格式，CouchDB最大的意义在于它是一个面向web应用的新一代存储系统，事实上，CouchDB的口号就是：下一代的Web应用存储系统。
四、数据库分类1、国内数据库达梦DM、金仓 Kingbase、南大通用Gbase、神通OSCAR、优炫UXDB、翰高 Highgo DB、成都虚谷 XUGU、柏睿数据 RapidsDB、广州巨杉 SequoiaDB、易鲸捷 EsgynDB、鼎天盛华 UPDB、北京恒辉 HHDB、湖南上容 SRDB、许继集团SG-RDB、博阳数据 BeyonDB、北京国信贝斯 iBASE、北京翰云 Hyperic、华易 Huayisoft DB、华鼎 HUABASE、万里开源 GreatDB、福建星瑞格 SinoDB、华胜信泰 ToprowDB、上海热璞 Hot DB、星环科技 KunDB、天曦科技 TXDB、北京新数 ShinDB、东方国信 XCloud DB、海量数据 AtlasDB2、国外数据库Oracle、Microsoft SQL Server、SAP HANA、IBM DB2、Teradata3、云数据库腾讯 TDSQL、腾讯 Tbase、腾讯 PhxSQL、腾讯 TXSQL、腾讯 CynosDB、华为 HWSQL GaussDB200、百度 TDB、京东云DRDS、金山 KTS、蚂蚁金服 Oceanbase、阿里 PolarDB、浪潮 K-DB、中兴GoldenDB、新华三 H3C DataEngine、东软 OpenBASE、亚信 AntDB、小米 Pegasus、青云 RadonDB4、开源数据库MySQL、Greenplum、TiDB5、其它数据库：华东师范大学 Cedar、偶数科技 Oushu Database、浙江智臾 DolphinDB、智达方通 Intcube OLAP、上海赜睿 MegaWise、云山云海 haisql。
数据仓库和数据库有什么区别？
说点大家都能懂的干货。请点赞收藏。先讲讲来龙去脉很久以前是没有数据仓库这个概念的，只有数据库，数据库就是很多数据表的集合，这样把存放不同内容的表放在一起，就能满足一些基本的查询了。比如提取2019年6月18日在淘宝购买Bose耳机的用户，只要几张表关联一下查询就出结果了。后来在实际工作中人们发现当你在海量数据中做非常复杂的分析的时候，效率就很低了：比如找到2019年双11和2018年双11这两天，在淘宝下单超过500元且购买了Bose耳机的用户，这两拨用户在最近2两年的平均消费能力差异。
要完成这个查询，首先要关联查询很多表，其次要查询2018和2019年两年的数据，最后你还要从海量的数据中找到符合要求的消费金额和消费者，这三点加起来就让数据提取变成了非常复杂的事儿，而且不一定能立刻查到，往往一个查询任务就要跑好几个小时。所以随着数据体量增大，查询条件越来越复杂，大家一看不行啊，需要提高效率。
所以数据仓库出现了。数据仓库和数据库相比，有啥特点1.数据仓库有主题性，有作业流的概念上面的例子告诉我们，数据仓库是为了某一个/某一类特定的分析任务将数据重新聚合起来的，而数据库只是数据存储表的集合，所以数据仓库有主题性。同时也因为有主题的概念，数据仓库会根据你预设的逻辑，自动化的完成各个作业之间的调度，最终自动化的把结果输出给你。
所以数据仓库也会有数据流和作业流的概念。2.数据仓库让「查询」效率最大化数据库本质就是很多数据表，所以数据表嘛，就要兼顾增删改查这些操作，但是数据仓库将数据重新组合，是为了让你更高效的查询并且支持你的分析工作的，所以数据库一般只让「查询」的效率最大化，「增删改」的效率不做主要考虑。3.数据仓库有历史数据，而数据库一般只有近期数据上面举的例子中，要查询淘宝2018年和2019年两年的双11数据，所以跨度很大。
一般数据库只能存近期的数据，太久远的数据放不下，效率也低。但是数据仓库可以将某些维度的历史信息统一抽取出来以更合理的存储结构放到数据仓库中，这样查询跨年的数据时直接查询就行了，效率极大的提升。4.数据仓库是基于数据库层面的升级一家公司，一般是现有几张数据表，后来数据表集合成了数据库，再后来数据库不满足需求了，才有了数据仓库。
所以数据表，数据库，数据仓库之间是有依赖关系的，不是割裂的。怎么建立数据仓库1.需求分析分析你为了哪个目的建立数据仓库，数据仓库需要哪些维度的数据，这些数据表都在哪里是否能访问。2.ETL 将你所有需要的数据表都找到，然后根据你的需求将需要的字段都提取出来并对数据格式进行清洗加工转换。保证数据原料是合格可用的3.数据结构设计包括维度表，事实表的设计，是否要用列式存储代替行式存储，是否需要将数据分层（详细可查询OLAP方面的数据模型），总之就是要保证数据查询的效率4.作业调度每一个你看到的数据背后，都是多个数据表被一系列脚本调用最终计算而成，所以多个作业之间肯定涉及调度关系，过程监控，结果监控等。
大数据库和数据库到底有什么区别和联系？
大数据本质是一种概念，既数据体量大、数据格式复杂、数据来源广。而数据库则是一种具体的计算机技术，用来存储数据，常见的数据库有 Mysql 数据库、Oracle 数据库等，底层还是基于磁盘来进行存储。从大数据在引申出来的技术，比如数据量大的情况，怎么存储数据，以及怎么对这些数据进行加工处理。像现在 HBase 大数据组件，主要是针对大数据存储的，Hadoop MapReduce 计算框架、Spark 计算框架等，则是针对大数据计算的。
大数据与数据库之间的关系，从大数据涉及到的技术中，包括数据库技术。因为在大数据情况下，也需要存储这些数据，此时就需要使用到数据库。当然，大数据技术存储数据不仅仅能够使用到数据库，还可以使用分布式文件系统，比如 HDFS 分布式文件系统，亚马逊的 S3 等。同时，在大数据所涉及到的技术中，也包括了大数据计算、数据的展示等等。
所以从技术领域来区分，大数据的技术会更广，而数据库技术则是更加的具体，就是用来存储数据。目前在国内互联网公司而言，大数据方面数据库使用最多的还是 HBase 列式数据库。比如阿里巴巴，其内部有很多使用 HBase 列式数据库的场景。HBase 数据库支持水平扩展，同时由于其采用 LSM 架构，天然的对数据写入支持非常好，因为是对磁盘进行追加写的模式，这比对内存随机写要更加的快速。
不仅仅是阿里，像在小米其实也有很多使用 HBase 列式数据库的场景，当然，其他小公司也在使用。所以在未来，我认为 HBase 列式数据库的发展前景非常好，毕竟也有互联网大厂在使用，开源社区方面也有它们在推动发展。如果你想学习一门大数据方面的数据库技术的话，我推荐你可以学习 HBase。我是Lake，专注大数据技术原理、人工智能、数据库技术、程序员经验分享，如果我的问答对你有帮助的话，希望你能点赞关注我，感谢。
