关系型数据库的局限
NoSql出现在关系型数据库之后，主要是为了解决关系型数据库的短板，我们先来看看随着软件行业的发展，关系型数据库面临了哪些挑战：
1、高并发
一个最典型的就是电商网站，例如双11，几亿大军的点击造成在某一时刻的并发量是很高的，传统的关系型数据库肯定已经是不堪重负了，如Oracle的Session数量推荐的才只有500。
2、高效率存储海量数据
大数据时代，数据量已经不是用GB、TB来衡量了，而是EB、ZB了，面对这海量的数据，如何高效率的存储这些数据，关系型数据库无法解决这个问题，以Oracle为例，单机的物理扩展不仅成本高，而且难度也加大了。
3、高可用&高扩展
Oracle即使RAC能扩展数台机器，但数量也是有限。
NoSql的出现即是为了解决这些问题了，但是NoSql并不是用来替代关系型数据库的，因为它本身也有着不可克服的缺陷，俗话说，好处不可能都让你占了。
关系型数据库与NoSql一致性的比较
一般来说,构建NoSql，为了高可用和海量数据存储，我们会选择牺牲一致性，但这并不意味着我们不要一致性，而是我们可以选择不实现强一致性，而实现弱一致性或者最终一致性。无论是在关系型数据库或者NoSql中，我们都是通过事务来实现一致性，下面我们来讨论两者在一致性方面的差异：
关系型数据库事务的4个基本特性ACID，即原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）。
而对于分布式事务的特性BASE，则是反这个标准的，即基本可用（Basically Availble）、软状态/柔性事务（Soft-state）、最终一致性（Eventual Consistency）。下面是Brewer教授在PODC大会展示的ACID vs BASE：
前面我们说过，NoSql的出现是为了解决高并发、海量数据、高可用等问题的，因而一般分布式是最优选项，我们先来说一下分布式系统的特性：CAP理论，当然，这也是NoSql的特性：
CAP理论
CAP理论是Brewer教授提出的：一个分布式系统不能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Tolerance of network Partition）。鱼和熊掌不可兼得。
一致性：任何一个读操作总是能读取到之前完成的写操作结果，也就是在分布式环境中，多点的数据是一致的。
可用性：每一个操作总是能在确定的时间内返回，也不是系统随时都是可用的。
分区容错性：在出现网络分区（如断网）的情况下，分离的系统也能正常运行。
PS：这里有人可能会问，可用性与分区容错性是不是一个意思（既然分区都可以容错了，不就是可用么），个人理解这里可用性说的是调用不会被阻塞。
而市场上的NoSql则以CAP理论为指导，大多选择实现了CAP理论的两点（如CA、CP、AP），未实现的即其缺陷部分。下面则是常见NoSql系统的特性：
常见NoSql的分类
|
类型 |
部分代表 |
特点 |
|
列存储 |
Hbase Cassandra Hypertable |
顾名思义，是按列存储数据的。最大的特点是方便存储结构化和半结构化数据，方便做数据压缩，对针对某一列或者某几列的查询有非常大的IO优势。 |
|
文档存储 |
MongoDB CouchDB |
文档存储一般用类似json的格式存储，存储的内容是文档型的。这样也就有有机会对某些字段建立索引，实现关系数据库的某些功能。 |
|
kv存储 |
Tokyo Cabinet / Tyrant Berkeley DB MemcacheDB Redis |
可以通过key快速查询到其value。一般来说，存储不管value的格式，照单全收。（Redis包含了其他功能） |
|
图存储 |
Neo4J FlockDB |
图形关系的最佳存储。使用传统关系数据库来解决的话性能低下，而且设计使用不方便。 |
|
对象存储 |
db4o Versant |
通过类似面向对象语言的语法操作数据库，通过对象的方式存取数据。 |
|
xml数据库 |
Berkeley DB XML |
高效的存储XML数据，并支持XML的内部查询语法，比如XQuery,Xpath。 |
参考文档
https://www.zhihu.com/question/54105974
http://blog.sina.com.cn/s/blog_3fe961ae010139u6.html
https://www.cnblogs.com/chaser24/p/6417757.html