文章来源:http://article.yeeyan.org/view/271351/239915
尽管SQL数据库是非常有用的工具，但经历了15年的一支独秀之后垄断即将被打破。这只是时间问题：被迫使用关系数据库，但最终发现不能适应需求的情况不胜枚举。
但是NoSQL数据库之间的不同，远超过两个 SQL数据库之间的差别。这意味着软件架构师更应该在项目开始时就选择好一个适合的 NoSQL数据库。
针对这种情况，这里对 Cassandra、 Mongodb、CouchDB、Redis、 Riak、Membase、Neo4j和HBase进行了比较：
1. CouchDB（V1.1.0）
l 语言： Erlang
l 特点：DB一致性，易于使用
l 使用许可： Apache
l 协议： HTTP/REST
l 双向数据复制，
l 持续性或ad-hoc
l 冲突检测
l 采用master-master复制
l MVCC – 写操作不阻塞读操作
l 版本控制（之前的版本文档有效）
l 单点崩溃（可靠的）设计
l 必要时可进行数据压缩
l 视图：内嵌 map/reduce 机制(MapReduce是一种编程模型，用于大规模数据集的并行运算-译注)
l 视图格式：列表&显示
l 支持进行服务器端文档验证
l 支持身份验证
l 数据变化实时更新
l 支持附件处理
l CouchApps（独立的 js应用程序）
l 包含jQuery程序库
最佳应用场景：适用于累积大量数据，变化较少，执行预定义查询的应用。适用于需要提供数据版本支持的应用。
例如： CRM、CMS系统。Master-master复制是一个有趣的功能，很易于进行多站点部署。
-----------------------------------------------------------------------
2. Redis（V2.4）
l 语言：C/C++
l 特点：速度极快
l 使用许可： BSD
l 协议：Telnet-like
l 有硬盘存储支持的内存数据库，
l 目前还没有磁盘交换（VM和Diskstore被抛弃）
l Master-slave复制
l 通过key进行简单的值存储或哈希表存储
l 支持复杂操作，例如 ZREVRANGEBYSCORE。
l INCR & co （数字递增存储键值，适合计算极限值或统计数据）
l 支持集合运算（支持 交集/差集/子集）
l 支持列表（支持队列；阻塞式 pop操作）
l 支持哈希表（多个域的对象）
l 支持集合排序（高分表，适用于范围查询）
l 支持事务
l 支持将数据设置成过期数据（类似快速缓冲区设计，以及冷热分离）
l 发布/订阅功能允许用户实现消息机制（长连接推送机制）
最佳应用场景：适用于数据变化快且数据库大小可以预计的应用程序。（这样可以合理配置内存容量）
例如：股票价格、数据分析、实时数据搜集、实时通讯。
-----------------------------------------------------------------------
3. MongoDB
l 语言：C++
l 特点：保留了SQL一些友好的特性（查询，索引）。
l 使用许可： AGPL（发起者： Apache）
l 协议： Custom, binary（BSON）
l Master/slave复制（服务器间数据复制和自动故障转移）
l 内建自动分片机制（支持水平数据库集群）
l 支持 javascript表达式查询
l 可在服务器端执行任意的 javascript函数
l 优于CouchDB的update-in-place
l 采用内存映射文件的方式进行数据存储
l 对性能的要求高于功能
l 最好打开日志功能（参数 –journal）
l 在32位操作系统上，数据库大小限制约为2.5G
l 空数据库大约占 192Mb
l 采用 GridFS存储大数据和元数据（不是真正的文件系统）
最佳应用场景：如果你需要动态查询，需要使用索引而不是 map/reduce功能；需要对大数据库有良好的性能要求。如果你想使用 CouchDB，但数据改变太频繁而占满内存的应用程序。
例如：你本打算采用 MySQL或 PostgreSQL，但因为需要预定义表结结构让你望而却步。
-----------------------------------------------------------------------
4. Riak（V1.0）
l 语言：Erlang和C，以及一些Javascript
l 特点：具备容错能力
l 使用许可： Apache
l 协议： HTTP/REST或者 custom binary
l 可自定义参数控制的分布和复制(N-复制节点数, R- 成功读操作的最小节点数, W–成功写操作的最小节点数-译注)
l 用 JavaScript或 Erlang在操作预提交或提交时进行验证和安全检测
l 使用JavaScript或Erlang进行 Map/reduce
l 链接&链接遍历：可作为图形数据库使用
l 多级索引：可在元数据中进行搜索
l 大数据对象支持（Luwak）
l 提供“开源”和“企业”两个版本
l Riak搜索服务器（beta版）支持全文搜索、索引、查询
l 正在将后端存储从“Bitcask”迁移到Google的“LevelDB”
l 支持Masterless多站点复制及商务授权的 SNMP监控
最佳应用场景：适用于想使用类似 Cassandra（类似Dynamo，亚马逊的key-value模式的存储平台-译注）数据库但又不愿处理数据臃肿及复杂性的情况。如果你需要很好的单站点可伸缩性，可用性和容错性，但又准备实行多点复制。
例如：销售数据搜集，工厂控制系统；对宕机时间有严格要求；可以作为易于更新的 web服务器使用。
-----------------------------------------------------------------------
5. Membase
l 语言： Erlang和C
l 特点：兼容 Memcache，兼具持久化和支持集群
l 使用许可： Apache 2.0
l 协议：Memcached 扩展增强
l 非常快速（200k+/秒），通过键值访问数据
l 可持久化存储到硬盘
l 所有节点都是相同的（Master-master复制）
l 在内存中提供类似Memcached 的缓存单元
l 通过重复数据删除技术写入数据来减少IO
l 提供良好的集群管理web界面
l 软件更新时无需停止数据库服务
l 支持连接池和多路复用的连接代理
最佳应用场景：适用于需要低延迟数据访问，高并发和高可用性的应用
例如：低延迟数据访问比如以广告为目标的应用，高并发的web 应用比如网络游戏（如Zynga）
-----------------------------------------------------------------------
6. Neo4j （V1.5M02）
l 语言： Java
l 特点：图形数据库
l 使用许可： GPL，其中一些特性使用AGPL/商业许可
l 协议： HTTP/REST（或嵌入在 Java中）
l 可独立使用或嵌入到 Java应用程序
l 完全符合ACID特性（包括持久化数据）
l 图形的节点和边都可以带有元数据
l 集成的基于模式匹配的查询语言（Cypher）
l 可以使用图形遍历语言”Gremlin”
l 节点和关系的索引
l 内建练好的web管理界面
l 多算法支持的高级路径查找
l key和关系索引
l 优化的读取操作
l 支持事务（Java api）
l 支持 Groovy脚本
l 支持在线备份，高级监控及高可靠性支持，使用AGPL/商业许可
最佳应用场景：适用于描述图形类数据、丰富数据或者复杂数据之间的关系。这是 Neo4j与其他nosql数据库的最显著区别
例如：社会关系，公共交通网络，地图，网络拓扑等
-----------------------------------------------------------------------
7. Cassandra
l 语言： Java
l 特点：对BigTable和 Dynamo(亚马逊的key-value模式的存储平台-译注)支持得最好
l 使用许可： Apache
l 协议： Custom, binary (Thrift)
l 可自定义参数控制的分布和复制(N-复制节点数, R- 成功读操作的最小节点数, W–成功写操作的最小节点数)
l 支持以某个范围的键值查询，列查询
l 类似BigTable的功能：列，列组
l 写操作比读操作更快
l 基于 Apache Hadoop(一个分布式系统基础架构，由Apache基金会开发-译注)尽可能地进行Map/reduce
我承认对 Cassandra有偏见，因为它本身的臃肿和复杂性，当然部分是因为 Java的问题（配置，出现异常，等等）
最佳应用场景：当写操作多于读操作（记录日志）时。如果系统中的每个组件都必须用Java编写（没有人因为选用 Apache的软件被解雇）。
例如：银行业，金融业（虽然对于金融交易不是必须的，但这些产业对数据库的要求会比它们更大）写比读更快，所以一个自然的特性就是实时数据分析
-----------------------------------------------------------------------
8. HBase
（配合 ghshephard使用）
l 语言： Java
l 特点：支持数十亿行 × 上百万列
l 使用许可： Apache
l 协议：HTTP/REST （支持 Thrift，见编注4）
l 以BigTable为蓝本
l 使用Hadoop进行Map/reduce
l 通过在server端扫描及过滤实现对查询操作预判
l 实时查询优化
l 高性能 Thrift网关
l 支持 XML, Protobuf, 和binary的HTTP
l Cascading, hive, 以及 pig source 和 Sink 模块
l 基于Jruby（JIRB）的shell
l 不会出现单点故障
l 对配置改变和较小的升级都会重新回滚
l 堪比MySQL的随机访问性能
最佳应用场景：适用于偏好BigTable，并且需要对大数据进行随机、实时访问的应用。
例如： Facebook消息数据库（更多通用用例即将出现）