NoSQL 分为四大类：键值数据库、文档数据库、列族数据库、图数据库，下面是业界广泛使用、生产落地多的产品，附带适用场景、优缺点。
1. 文档数据库（Document DB）
数据以 JSON/BSON 文档存储，结构灵活，最常用。
MongoDB
特点：最流行文档数据库，BSON 存储，支持二级索引、聚合查询、副本集、分片集群；社区版免费，有云服务 MongoDB Atlas。
适用：内容管理、用户画像、电商商品、小程序 / APP 后端、半结构化数据。
缺点：事务能力有限（4.0 后支持多文档事务），大数据量下分片运维复杂度高。
CouchDB
特点：Apache 开源，JSON 文档，MVCC 多版本，强大同步复制，适合离线多端同步。
适用：移动端、边缘设备、离线优先应用。
2. 键‑值数据库（Key‑Value）
根据 key 快速读取 value，性能极高。
Redis
内存型 KV，几乎互联网必备
特点：内存为主，支持持久化；支持 String、Hash、List、Set、ZSet 多种数据结构；主从、哨兵、集群；可做缓存、消息队列、计数器、分布式锁。
适用：热点缓存、会话存储、限流、排行榜。
注意：内存成本高，不适合海量冷数据持久存储。
RocksDB
特点：Facebook 开源，磁盘 KV，LSM‑Tree，嵌入式，无独立服务进程。
适用：作为存储引擎被很多组件使用（Elasticsearch、TiDB、Flink），适合本地高性能持久 KV。
LevelDB
Google 开源，轻量嵌入式 LSM‑Tree KV，多用于嵌入式、边缘场景。
3. 列族数据库（宽列存储 Column‑Family）
按列簇存储，适合海量结构化、时序数据，高写入吞吐。
Apache Cassandra
特点：去中心化分布式，无主节点，高可用，线性扩展，写入性能极强。
适用：时序数据、IoT 设备上报、日志、传感器数据，可容忍部分查询不灵活。
HBase（Apache）
特点：Hadoop 生态，分布式宽列存储，基于 HDFS，强一致性，海量 PB 级数据。
适用：大数据平台、历史海量业务数据存储，与 Flink/Spark 配合；运维重，依赖 Hadoop 组件。
4. 图数据库（Graph DB）
存储实体与关系（节点 + 边），专门处理关联查询。
Neo4j
特点：最知名图数据库，Cypher 查询语言；社区版单机，企业版集群。
适用：社交关系、知识图谱、风控链路、推荐、路径分析。
NebulaGraph
国产开源分布式图数据库，国内大厂广泛使用，性能优于 Neo4j 集群，支持水平扩展。
适用：大规模知识图谱、金融风控、社交网络。
Apache JanusGraph
开源分布式图，可对接 Cassandra/HBase 做底层存储，适合超大规模图。
5. 搜索引擎（常归类 NoSQL）
Elasticsearch
特点：基于 Lucene，全文检索，倒排索引，支持聚合、模糊查询；底层使用 RocksDB。
适用：日志检索、站内搜索、APP 搜索、日志分析。
6. 时序数据库（TSDB，NoSQL 分支）
专门处理时间序列指标
InfluxDB
时序标杆，写入指标点，语法简单，适合监控、IoT。
Prometheus
云原生监控时序库，多用于 K8s 监控。
TDengine
国产开源时序数据库，高性能，压缩比高，IoT、工业监控场景。
选型速查表
简单选型建议
需要缓存、计数器：Redis
数据结构多变，不想严格定义表结构：MongoDB
需要全文检索：Elasticsearch
大量设备上报、海量写入：Cassandra / TDengine
重点关注实体之间关系：NebulaGraph / Neo4j
大数据生态，Hadoop 体系：HBase
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢