MongoDB
MongoDB是一個基於分佈式文件存儲的數據庫。由C++語言編寫。主要解決的是海量數據的訪問效率問題，為WEB應用提供可擴展的高性能數據存儲解決方案。當數據量達到50GB以上的時候，MongoDB的數據庫訪問速度是MySQL的10倍以上。MongoDB的併發讀寫效率不是特別出色，根據官方提供的性能測試表明，大約每秒可以處理0.5萬~1.5萬次讀寫請求。MongoDB還自帶了一個出色的分佈式文件系統GridFS，可以支持海量的數據存儲。
MongoDB也有一個Ruby的項目MongoMapper，是模仿Merb的DataMapper編寫的MongoDB接口，使用起來非常簡單，幾乎和DataMapper一模一樣，功能非常強大。
MongoDB是一個介於關係數據庫和非關係數據庫之間的產品，是非關係數據庫當中功能最豐富，最像關係數據庫的。他支持的數據結構非常鬆散，是類似json的bjson格式，因此可以存儲比較複雜的數據類型。Mongo最大的特點是他支持的查詢語言非常強大，其語法有點類似於面向對象的查詢語言，幾乎可以實現類似關係數據庫單表查詢的絕大部分功能，而且還支持對數據建立索引。
所謂“面向集合”（Collenction-Orented），意思是數據被分組存儲在數據集中，被稱為一個集合（Collenction)。每個 集合在數據庫中都有一個唯一的標識名，並且可以包含無限數目的文檔。集合的概念類似關係型數據庫（RDBMS）裡的表（table），不同的是它不需要定義任何模式（schema)。
模式自由（schema-free)，意味著對於存儲在mongodb數據庫中的文件，我們不需要知道它的任何結構定義。如果需要的話，你完全可以把不同結構的文件存儲在同一個數據庫裡。
存儲在集合中的文檔，被存儲為鍵-值對的形式。鍵用於唯一標識一個文檔，為字符串類型，而值則可以是各中複雜的文件類型。我們稱這種存儲形式為BSON（Binary Serialized dOcument Format）。
MongoDB服務端可運行在Linux、Windows或OS X平臺，支持32位和64位應用，默認端口為27017。推薦運行在64位平臺，因為MongoDB在32位模式運行時支持的最大文件尺寸為2GB。
MongoDB把數據存儲在文件中（默認路徑為：/data/db），為提高效率使用內存映射文件進行管理。
它的特點是高性能、易部署、易使用，存儲數據非常方便。
主要功能特性有：
面向集合存儲，易存儲對象類型的數據。
基於文檔的數據庫系統，格式是以BSON（JSON，半結構化數據）存儲。
性能的保證，基於C++研發，速度快。
支持完全索引（數據讀取全靠索引）
不支持事務，意味每一個操作都是原子的且是強一致性。
操作在內存中進行，定義同步到磁盤。
支持很好的擴展性，比如複製，auto_sharding。
能基於複製自動完整故障轉移。
支持文檔的查詢，可以返回一個文檔也可以返回一個遊標（結果集）。
支持查詢性能分析。
支持動態查詢，就是可以像MySQL那樣自己書寫查詢條件，而有些NoSQL這不行。
支持使用Map Redure做分組聚合操作，處理大數據極強。
支持空間索引，用於地理數據表述的場景，如地圖。
自動處理碎片，以支持雲計算層次的擴展性。
Hbase
HBase是一個分佈式的、面向列的開源數據庫，該技術來源於Chang et al所撰寫的Google論文“Bigtable：一個結構化數據的分佈式存儲系統”。就像Bigtable利用了Google文件系統（File System）所提供的分佈式數據存儲一樣，HBase在Hadoop之上提供了類似於Bigtable的能力。HBase是Apache的Hadoop項目的子項目。HBase不同於一般的關係數據庫,它是一個適合於非結構化數據存儲的數據庫.另一個不同的是HBase基於列的而不是基於行的模式。
HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮的分佈式存儲系統，利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集群。 HBase是Google Bigtable的開源實現，類似Google Bigtable利用GFS作為其文件存儲系統，HBase利用Hadoop HDFS作為其文件存儲系統；Google運行MapReduce來處理Bigtable中的海量數據，HBase同樣利用Hadoop MapReduce來處理HBase中的海量數據；Google Bigtable利用 Chubby作為協同服務，HBase利用Zookeeper作為對應。
HBase訪問接口
Native Java API，最常規和高效的訪問方式，適合Hadoop MapReduce Job並行批處理HBase表數據
HBase Shell，HBase的命令行工具，最簡單的接口，適合HBase管理使用
Thrift Gateway，利用Thrift序列化技術，支持C++，PHP，Python等多種語言，適合其他異構系統在線訪問HBase表數據
REST Gateway，支持REST 風格的Http API訪問HBase, 解除了語言限制
Pig，可以使用Pig Latin流式編程語言來操作HBase中的數據，和Hive類似，本質最終也是編譯成MapReduce Job來處理HBase表數據，適合做數據統計
Hive，當前Hive的Release版本尚沒有加入對HBase的支持，但在下一個版本Hive 0.7.0中將會支持HBase，可以使用類似SQL語言來訪問HBase
主要功能特性有：
支持數十億行X上百萬列
採用分佈式架構 Map/reduce
對實時查詢進行優化
高性能 Thrift網關
通過在server端掃描及過濾實現對查詢操作預判
支持 XML, Protobuf, 和binary的HTTP
基於 Jruby（ JIRB）的shell
對配置改變和較小的升級都會重新回滾
不會出現單點故障
堪比MySQL的隨機訪問性能
Redis
Redis是一個開源（BSD許可）的內存中的數據結構存儲系統，它可以用作數據庫、緩存和消息中間件。由於Redis採用運行在內存中的數據集工作方式，其性能卓越，能支持超過100K+每秒的讀寫頻率。它支持多種類型的數據結構，如字符串（strings）， 散列（hashes），列表（lists），集合（sets），有序集合（sorted sets）與範圍查詢和地理空間（geospatial）索引半徑查詢。Redis內置了複製（replication）， LUA腳本（Lua>
Redis的主要功能都是基於單線程網絡模型實現，也就是說Redis使用一個線程來服務所有的客戶端請求，同時Redis採用了非阻塞式IO，並精細地優化各種命令的算法和時間複雜度，大部分命令的算法都是O(1)的，具體可以看Redis命令參考。
另外Redis的大部分操作都是原子性的（簡單的單線程模型），同時Redis還支持對幾個操作全並後的原子性執行。列如：字符串（strings）的append命令；散列（hashes）的hincrby命令；列表（lists）的lpush命令；集合（sets）計算交集sinter命令，計算並集union命令和計算差集sdiff命令；或者在有序集合（sorted sets）裡面獲取成員的最高排名zrangebyscore命令等。
官方站點：http://redis.io
Memcachedb
MemcacheDB是一個分佈式、key-value形式的持久存儲系統。它不是一個緩存組件，而是一個基於對象存取的、可靠的、快速的持久存儲引擎。協議跟memcache一致（不完整），所以很多memcached客戶端都可以跟它連接。MemcacheDB採用Berkeley DB作為持久存儲組件，故很多Berkeley DB的特性的他都支持
MemcacheDB是一個分佈式、key-value形式的持久存儲系統。它不是一個緩存組件，而是一個基於對象存取的、可靠的、快速的持久存儲引擎。 協議跟memcache一致（不完整），所以很多memcached客戶端都可以跟它連接。MemcacheDB採用Berkeley DB作為持久存儲組件，故很多Berkeley DB的特性的他都支持。我們是站在巨人的肩膀上的。MemcacheDB的前端緩存是Memcached 。
前端：memcached的網絡層
後端：BerkeleyDB存儲
寫速度：從本地服務器通過memcache客戶端（libmemcache）set2億條16字節長的key，10字節長的Value的記錄，耗時 16572秒，平均速度12000條記錄/秒。
讀速度：從本地服務器通過memcache客戶端（libmemcache）get100萬條16字節長的key，10字節長的Value的記錄，耗 時103秒，平均速度10000條記錄/秒。支持的memcache命令。
官方站點：http://memcachedb.org
Hypertable
Hypertable是一個開源、高性能、可伸縮的數據庫，它採用與Google的Bigtable相似的模型。在過去數年中，Google為在 PC集群 上運行的可伸縮計算基礎設施設計建造了三個關鍵部分。第一個關鍵的基礎設施是Google File System（GFS），這是一個高可用的文件系統，提供了一個全局的命名空間。它通過跨機器（和跨機架）的文件數據複製來達到高可用性，並因此免受傳統 文件存儲系統無法避免的許多失敗的影響，比如電源、內存和網絡端口等失敗。第二個基礎設施是名為Map-Reduce的計算框架，它與GFS緊密協作，幫 助處理收集到的海量數據。第三個基礎設施是Bigtable，它是傳統數據庫的替代。Bigtable讓你可以通過一些主鍵來組織海量數據，並實現高效的 查詢。Hypertable是Bigtable的一個開源實現，並且根據我們的想法進行了一些改進。
主要功能特點：
負載均衡的處理
版本控制和一致性
可靠性
分佈為多個節點
CouchDB
Apache CouchDB是一個面向文檔的數據庫管理系統。它提供以 JSON 作為數據格式的 REST 接口來對其進行操作，並可以通過視圖來操縱文檔的組織和呈現。 CouchDB 是 Apache 基金會的頂級開源項目。
CouchDB是用Erlang開發的面向文檔的數據庫系統，其數據存儲方式類似Lucene的Index文件格式。CouchDB最大的意義在於它是一個面向Web應用的新一代存儲系統，事實上，CouchDB的口號就是：下一代的Web應用存儲系統
主要功能特性有：
CouchDB是分佈式的數據庫，他可以把存儲系統分佈到n臺物理的節點上面，並且很好的協調和同步節點之間的數據讀寫一致性。這當然也得以於Erlang無與倫比的併發特性才能做到。對於基於web的大規模應用文檔應用，然的分佈式可以讓它不必像傳統的關係數據庫那樣分庫拆表，在應用代碼層進行大量的改動。
CouchDB是面向文檔的數據庫，存儲半結構化的數據，比較類似lucene的index結構，特別適合存儲文檔，因此很適合CMS，電話本，地址本等應用，在這些應用場合，文檔數據庫要比關係數據庫更加方便，性能更好。
CouchDB支持REST API，可以讓用戶使用JavaScript來操作CouchDB數據庫，也可以用JavaScript編寫查詢語句，我們可以想像一下，用AJAX技術結合CouchDB開發出來的CMS系統會是多麼的簡單和方便。其實CouchDB只是Erlang應用的冰山一角，在最近幾年，基於Erlang的應用也得到的蓬勃的發展，特別是在基於web的大規模，分佈式應用領域，幾乎都是Erlang的優勢項目。
cassandra
Cassandra是一個混合型的非關係的數據庫，類似於Google的BigTable。其主要功能比Dynomite（分佈式的Key-Value存儲系統）更豐富，但支持度卻不如文檔存儲MongoDB（介於關係數據庫和非關係數據庫之間的開源產品，是非關係數據庫當中功能最豐富，最像關係數據庫的。支持的數據結構非常鬆散，是類似json的bjson格式，因此可以存儲比較複雜的數據類型。）Cassandra最初由Facebook開發，後轉變成了開源項目。它是一個網絡社交雲計算方面理想的數據庫。以Amazon專有的完全分佈式的Dynamo為基礎，結合了Google BigTable基於列族（Column Family）的數據模型。P2P去中心化的存儲。很多方面都可以稱之為Dynamo 2.0
特性和其他數據庫比較，有幾個突出特點：模式靈活 ：使用Cassandra，像文檔存儲，你不必提前解決記錄中的字段。你可以在系統運行時隨意的添加或移除字段。這是一個驚人的效率提升，特別是在大型部 署上。
真正的可擴展性 ：Cassandra是純粹意義上的水平擴展。為給集群添加更多容量，可以指向另一臺電腦。你不必重啟任何進程，改變應用查詢，或手動遷移任何數據。
多數據中心識別 ：你可以調整你的節點佈局來避免某一個數據中心起火，一個備用的數據中心將至少有每條記錄的完全複製。
一些使Cassandra提高競爭力的其他功能：
範圍查詢 ：如果你不喜歡全部的鍵值查詢，則可以設置鍵的範圍來查詢
列表數據結構 ：在混合模式可以將超級列添加到5維。對於每個用戶的索引，這是非常方便的
分佈式寫操作 ：有可以在任何地方任何時間集中讀或寫任何數據。並且不會有任何單點失敗
Tokyo Cabinet/Tokyo Tyant
Tokyo Cabinet（TC）和Tokyo Tyrant（TT）的開發者是日本人Mikio Hirabayashi，主要用於日本最大的SNS網站mixi.jp。TC出現的時間最早，現在已經是一個非常成熟的項目，也是Key-Value數據庫領域最大的熱點，現在廣泛應用於網站。TC是一個高性能的存儲引擎，而TT提供了多線程高併發服務器，性能也非常出色，每秒可以處理4萬~5萬次讀寫操作。
TC除了支持Key-Value存儲之外，還支持Hashtable數據類型，因此很像一個簡單的數據庫表，並且還支持基於Column的條件查詢、分頁查詢和排序功能，基本上相當於支持單表的基礎查詢功能，所以可以簡單地替代關係數據庫的很多操作，這也是TC受到大家歡迎的主要原因之一。有一個Ruby項目miyazakiresistance將TT的Hashtable的操作封裝成和ActiveRecord一樣的操作，用起來非常高效
TC/TT在Mixi的實際應用當中，存儲了2000萬條以上的數據，同時支撐了上萬個併發連接，是一個久經考驗的項目。TC在保證了極高的併發讀寫性能的同時，還具有可靠的數據持久化機制，同時還支持類似關係數據庫表結構的Hashtable以及簡單的條件、分頁和排序操作，是一個很優越的NoSQL數據庫。
TC的主要缺點是，在數據量達到上億級別以後，併發寫數據性能會大幅度下降，開發人員發現在TC裡面插入1.6億條2KB~20KB數據的時候，寫入性能開始急劇下降。即當數據量達到上億條的時候，TC性能便開始大幅度下降，從TC作者自己提供的Mixi數據來看，至少上千萬條數據量的時候還沒有遇到這麼明顯的寫入性能瓶頸
Flare
TC是日本第一大SNS網站mixi.jp開發的，而Flare是日本第二大SNS網站green.jp開發的。簡單地說，Flare就是給TC添加了scale（可擴展）功能。它替換了TT部分，自己另外給TC寫了網絡服務器。Flare的主要特點就是支持scale能力，它在網絡服務端之前添加了一個Node Server，用來管理後端的多個服務器節點，因此可以動態添加數據庫服務節點、刪除服務器節點，也支持Failover。如果你的使用場景必須讓TC可以scale，那麼可以考慮Flare。
flare唯一的缺點就是他只支持memcached協議，因此當你使用flare的時候，就不能使用TC的table數據結構了，只能使用TC的key-value數據結構存儲。
Berkeley DB
Berkeley DB (DB)是一個高性能的，嵌入數據庫編程庫，和C語言，C++，Java，Perl，Python，PHP，Tcl以及其他很多語言都有綁定。Berkeley DB可以保存任意類型的鍵/值對，而且可以為一個鍵保存多個數據。Berkeley DB可以支持數千的併發線程同時操作數據庫，支持最大256TB的數據，廣泛 用於各種操作系統包括大多數Unix類操作系統和Windows操作系統以及實時操作系統。
Berkeley DB最初開發的目的是以新的HASH訪問算法來代替舊的hsearch函數和大量的dbm實現（如AT&T的dbm，Berkeley的 ndbm，GNU項目的gdbm），Berkeley DB的第一個發行版在1991年出現，當時還包含了B+樹數據訪問算法。在1992年，BSD UNIX第4.4發行版中包含了Berkeley DB1.85版。基本上認為這是Berkeley DB的第一個正式版。在1996年中期，Sleepycat軟件公司成立，提供對Berkeley DB的商業支持。在這以後，Berkeley DB得到了廣泛的應用，成為一款獨樹一幟的嵌入式數據庫系統。2006年Sleepycat公司被Oracle 公司收購，Berkeley DB成為Oracle數據庫家族的一員，Sleepycat原有開發者繼續在Oracle開發Berkeley DB，Oracle繼續原來的授權方式並且加大了對Berkeley DB的開發力度，繼續提升了Berkeley DB在軟件行業的聲譽。Berkeley DB的當前最新發行版本是4.7.25。
Memlink
Memlink 是天涯社區開發的一個高性能、持久化、分佈式的Key-list/queue數據引擎。正如名稱中的memlink所示，所有數據都建構在內存中，保證了 系統的高性能 (大約是redis幾倍)，同時使用了redo-log技術保證數據的持久化。Memlink還支持主從複製、讀寫分離、List過濾操作等功能。
與Memcached不同的是，它的value是一個list/queue。並且提供了諸如持久化，分佈式的功能。聽起來有點像Redis，但它號稱比Redis更好，在很多Redis做得還不好的地方進行了改進和完善。提供的客戶端開發包包括 c,python,php,java 四種語言
特點：
內存數據引擎，性能極為高效
List塊鏈結構，精簡內存，優化查找效率
Node數據項可定義，支持多種過濾操作
支持redo-log，數據持久化，非Cache模式
分佈式，主從同步
db4o
“利用表格存儲對象，就像是將汽車開回家，然後拆成零件放進車庫裡，早晨可以再把汽車裝配起來。但是人們不禁要問，這是不是泊車的最有效的方法呢。” – Esther Dyson db4o 是一個開源的純面向對象數據庫引擎，對於 Java 與 .NET 開發者來說都是一個簡單易用的對象持久化工具，使用簡單。同時，db4o 已經被第三方驗證為具有優秀性能的面向對象數據庫， 下面的基準測試圖對 db4o 和一些傳統的持久方案進行了比較。db4o 在這次比較中排名第二，僅僅落後於JDBC。通過圖 1 的基準測試結果，值得我們細細品味的是採用 Hibernate/HSQLDB 的方案和 JDBC/HSQLDB 的方案在性能方面有著顯著差距，這也證實了業界對 Hibernate 的擔憂。而 db4o 的優異性能，讓我們相信： 更 OO 並不一定會犧牲性能。
同時，db4o 的一個特點就是無需 DBA 的管理，佔用資源很小，這很適合嵌入式應用以及 Cache 應用， 所以自從 db4o 發佈以來，迅速吸引了大批用戶將 db4o 用於各種各樣的嵌入式系統，包括流動軟件、醫療設備和實時控制系統。 db4o 由來自加州硅谷的開源數據庫公司 db4objects 開發並負責商業運營和支持。db4o 是基於 GPL 協議。db4objects 於 2004 年在 CEO Christof Wittig 的領導下組成，資金背景包括 Mark Leslie 、 Veritas 軟件公司 CEO 、 Vinod Khosla （ Sun 公司創始人之一）、 Sun 公司 CEO 在內的硅谷高層投資人組成。毫無疑問，今天 db4objects 公司是硅谷炙手可熱的技術創新者之一
db4o 的目標是提供一個功能強大的，適合嵌入的數據庫引擎，可以工作在設備，移動產品，桌面以及服務器等各種平臺。主要特性如下：開源模式。與其他 ODBMS 不同，db4o 為開源軟件，通過開源社區的力量驅動開發 db4o 產品。原生數據庫。db4o 是 100% 原生的面向對象數據庫，直接使用編程語言來操作數據庫。程序員無需進行 OR 映射來存儲對象，大大節省了程序員在存儲數據的開發時間。高性能。 下圖為 db4o 官方公佈的基準測試數據，db4o 比採用 Hibernate/MySQL 方案在某些測試線路上速度高出 44 倍之多！並且安裝簡單，僅僅需要 400Kb 左右的 .jar 或 .dll 庫文件。在接下來的系列文章中，我們將只關注在 Java 平臺的應用，但是實際上 db4o 毫無疑問會很好地在 .NET平臺工作
易嵌入，使用 db4o 僅需引入 400 多 k 的 jar 文件或是 dll 文件，內存消耗極小。零管理。使用 db4o 無需 DBA，實現零管理。支持多種平臺。db4o 支持從 Java 1.1 到 Java 5.0，此外還支持 .NET 、 CompactFramework 、 Mono 等 .NET 平臺，也可以運行在 CDC 、 PersonalProfile 、 Symbian 、 Savaje 以及 Zaurus 這種支持反射的 J2ME 方言環境中，還可以運行在 CLDC 、 MIDP 、 RIM/Blackberry 、 Palm OS 這種不支持反射的 J2ME 環境中。 或許開發者會問，如果現有的應用環境已經有了關係型數據庫怎麼辦？沒關係，db4o 的 dRS（db4o Replication System）可實現 db4o 與關係型數據庫的雙向同步（複製），如圖 3 。 dRS 是基於 Hibernate 開發，目前的版本是 1.0 ，並運行在 Java 1.2 或更高版本平臺上，基於 dRS 可實現 db4o 到 Hibernate/RDBMS 、 db4o 到 db4o 以及 Hibernate/RDBMS 到 Hibernate/RDBMS 的雙向複製。dRS 模型如圖
Versant
Versant Object Database (V/OD) 提供強大的數據管理，面向 C++, Java or .NET 的對象模型，支持大併發和大規模數據集合。
Versant對象數據庫是一個對象數據庫管理系統(ODBMS：Object Database Management System)。它主要被用在複雜的、分佈式的和異構的環境中，用來減少開發量和提高性能。尤其當程序是使用Java和（或）C＋＋語言編寫的時候，尤其有用。
它是一個完整的，電子基礎設施軟件，簡化了事務的構建和部署的分佈式應用程序。
作為一個卓越的數據庫產品，Versant ODBMS在設計時的目標就是為了滿足客戶在異類處理平臺和企業級信息系統中對於高性能、可量測性、可靠性和兼容性方面的需求。
Versant對象數據庫已經在為企業業務應用提供可靠性、完整性和高性能方面獲得了建樹，Versant ODBMS所表現出的高效的多線程架構、internal parallelism 、平穩的Client－Server結構和高效的查詢優化，都體現了其非常卓越的性能和可擴展性。
Versant對象數據庫包括Versant ODBMS，C++和Java語言接口，XML工具包和異步複製框架
Versant Object Database8.0，適用於應用環境中包含複雜對象模型的數據庫，其設計目標是能夠處理這些應用經常需要的導航式訪問，無縫的數據分發，和企業級的規模。
對於很多應用程序而言，最具挑戰性的方面是控制業務模型本身的內在複雜性。 電信基礎設施，交通運輸網絡，仿真，金融工具以及其它領域的複雜性必須得到支持， 而且這種支持複雜性的方式還要能夠隨著環境和需求變化而不斷地改進應用程序。 這些應用程序的重點是領域和這些領域的邏輯。 複雜的設計應當以對象模型為基礎。將技術需求例如持久性（和SQL）與領域模型混合在一起的架構會帶來災難性的後果。
Versant對象數據庫使您可以使用那些只含有域行為信息的對象，而不用考慮持久性。同時，Versant對象數據庫還能提供跨多個數據庫的無縫的數據分發，高併發性，細粒度鎖，頂級性能， 以及通過複製和其它技術提供的高可用性。現代Java中的對象關係映射工具已經簡化了很多映射的問題， 但是它們還不能提供Versant所能提供的無縫數據分發的功能和高性能
主要特性
C++、Java及.NET 的透明對象持久
支持對象持久標準，如JDO
跨多數據庫的無縫數據分發
企業級的高可用性選項
動態模式更新
管理工作量少（或不需要）
端到端的對象支持架構
細粒度併發控制
多線程，多會話
支持國際字符集
高速數據採集
Neo4j
Neo4j是一個嵌入式，基於磁盤的，支持完整事務的Java持久化引擎，它在圖像中而不是表中存儲數據。Neo4j提供了大規模可擴展性，在一臺機器上可以處理數十億節點/關係/屬性的圖像，可以擴展到多臺機器並行運行。相對於關係數據庫來說，圖形數據庫善於處理大量複雜、互連接、低結構化的數據，這些數據變化迅速，需要頻繁的查詢——在關係數據庫中，這些查詢會導致大量的表連接，因此會產生性能上的問題。Neo4j重點解決了擁有大量連接的傳統RDBMS在查詢時出現的性能衰退問題。通過圍繞圖形進行數據建模，Neo4j會以相同的速度遍歷節點與邊，其遍歷速度與構成圖形的數據量沒有任何關係。此外，Neo4j還提供了非常快的圖形算法、推薦系統和OLAP風格的分析，而這一切在目前的RDBMS系統中都是無法實現的。
Neo是一個網絡——面向網絡的數據庫——也就是說，它是一個嵌入式的、基於磁盤的、具備完全的事務特性的Java持久化引擎，但是它將結構化數據存儲在網絡上而不是表中。網絡（從數學角度叫做圖）是一個靈活的數據結構，可以應用更加敏捷和快速的開發模式。
你可以把Neo看作是一個高性能的圖引擎，該引擎具有成熟和健壯的數據庫的所有特性。程序員工作在一個面向對象的、靈活的網絡結構下而不是嚴格、靜態的表中——但是他們可以享受到具備完全的事務特性、企業級的數據庫的所有好處。
由於使用了“面向網絡的數據庫”，人們對Neo充滿了好奇。在該模型中，以“節點空間”來表達領域數據——相對於傳統的模型表、行和列來說，節點空間是很多節點、關係和屬性（鍵值對）構成的網絡。關係是第一級對象，可以由屬性來註解，而屬性則表明了節點交互的上下文。網絡模型完美的匹配了本質上就是繼承關係的問題域，例如語義Web應用。Neo的創建者發現繼承和結構化數據並不適合傳統的關係數據庫模型：
1.對象關係的不匹配使得把面向對象的“圓的對象”擠到面向關係的“方的表”中是那麼的困難和費勁，而這一切是可以避免的。
2.關係模型靜態、剛性、不靈活的本質使得改變schemas以滿足不斷變化的業務需求是非常困難的。由於同樣的原因，當開發小組想應用敏捷軟件開發時，數據庫經常拖後腿。
3.關係模型很不適合表達半結構化的數據——而業界的分析家和研究者都認為半結構化數據是信息管理中的下一個重頭戲。
4.網絡是一種非常高效的數據存儲結構。人腦是一個巨大的網絡，萬維網也同樣構造成網狀，這些都不是巧合。關係模型可以表達面向網絡的數據，但是在遍歷網絡並抽取信息的能力上關係模型是非常弱的。
雖然Neo是一個比較新的開源項目，但它已經在具有1億多個節點、關係和屬性的產品中得到了應用，並且能滿足企業的健壯性和性能的需求：
完全支持JTA和JTS、2PC分佈式ACID事務、可配置的隔離級別和大規模、可測試的事務恢復。這些不僅僅是口頭上的承諾：Neo已經應用在高請求的24/7環境下超過3年了。它是成熟、健壯的，完全達到了部署的門檻
Neo4j是一個用Java實現、完全兼容ACID的圖形數據庫。數據以一種針對圖形網絡進行過優化的格式保存在磁盤上。Neo4j的內核是一種極快的圖形引擎，具有數據庫產品期望的所有特性，如恢復、兩階段提交、符合XA等。
Neo4j既可作為無需任何管理開銷的內嵌數據庫使用；也可以作為單獨的服務器使用，在這種使用場景下，它提供了廣泛使用的REST接口，能夠方便地集成到基於PHP、.NET和JavaScript的環境裡。但本文的重點主要在於討論Neo4j的直接使用。
Neo4j的典型數據特徵：
數據結構不是必須的，甚至可以完全沒有，這可以簡化模式變更和延遲數據遷移。
可以方便建模常見的複雜領域數據集，如CMS裡的訪問控制可被建模成細粒度的訪問控制表，類對象數據庫的用例、TripleStores以及其他例子。
典型使用的領域如語義網和RDF、LinkedData、GIS、基因分析、社交網絡數據建模、深度推薦算法以及其他領域。
圍繞內核，Neo4j提供了一組可選的組件。其中有支持通過元模型構造圖形結構、SAIL – 一種SparQL兼容的RDF TripleStore實現或一組公共圖形算法的實現。
高性能？
要給出確切的性能基準數據很難，因為它們跟底層的硬件、使用的數據集和其他因素關聯很大。自適應規模的Neo4j無需任何額外的工作便可以處理包含數十億節點、關係和屬性的圖。它的讀性能可以很輕鬆地實現每毫秒（大約每秒1-2百萬遍歷步驟）遍歷2000關係，這完全是事務性的，每個線程都有熱緩存。使用最短路徑計算，Neo4j在處理包含數千個節點的小型圖時，甚至比MySQL快1000倍，隨著圖規模的增加，差距也越來越大。
這其中的原因在於，在Neo4j裡，圖遍歷執行的速度是常數，跟圖的規模大小無關。不象在RDBMS裡常見的聯結操作那樣，這裡不涉及降低性能的集合操作。Neo4j以一種延遲風格遍歷圖 – 節點和關係只有在結果迭代器需要訪問它們的時候才會被遍歷並返回，對於大規模深度遍歷而言，這極大地提高了性能。
寫速度跟文件系統的查找時間和硬件有很大關係。Ext3文件系統和SSD磁盤是不錯的組合，這會導致每秒大約100,000寫事務操作
閱讀更多 IT生涯 的文章
