SQL 是关系型数据库的标准查询语言，核心配套数据模型以关系模型为核心，同时衍生、配套多种落地 / 扩展数据模型，分基础核心模型、扩展衍生模型两类说明：
一、核心基础：关系模型（Relational Model）
所有标准 SQL（MySQL/Oracle/SQL Server/PostgreSQL）底层原生使用的数据模型，由 E.F.Codd 提出，是 SQL 的本源模型。
核心特征
数据存储在二维表（关系） 中：行 = 记录，列 = 字段；
表之间通过主键、外键建立关联；
严格遵循三大范式，减少数据冗余；
支持标准 SQL：DDL/DML/DCL，事务 ACID；
适用场景
传统业务系统、财务、ERP、订单、用户管理等强一致性场景。
二、SQL 体系下可兼容 / 扩展的衍生数据模型
很多现代数据库（PostgreSQL、MySQL 8.x、SQL Server）支持混合存储，一套 SQL 语法操作多种模型：
1. 文档模型（Document Model）
代表：PostgreSQL JSONB、MySQL JSON、SQL Server JSON
数据以 JSON/JSONB 文档存储，单条记录嵌套对象、数组；
兼容 SQL 查询，同时支持 JSON 专属函数；
适合结构灵活、频繁变更字段的业务（商品属性、用户标签）。
2. 键值模型（Key-Value Model）
代表：PostgreSQL hstore、SQL Server 内存 KV 表
极简结构：唯一 Key 对应 Value；
SQL 可完成增删改查，查询性能极高；
缓存、简单配置数据专用。
3. 图模型（Graph Model）
代表：PostgreSQL Apache AGE、SQL Server Graph Database
核心元素：顶点（实体）、边（实体关系）；
支持标准 SQL + 图查询语法（Cypher 兼容）；
社交关系、供应链、风控链路、知识图谱场景。
4. 时序模型（Time-Series Model）
代表：TimescaleDB（PostgreSQL 插件）、InfluxDB SQL 版
数据以时间戳为主索引，按时间分区存储；
原生 SQL 聚合函数（按小时 / 天统计）；
物联网设备指标、服务器监控、传感器数据。
5. 多维分析模型（星型 / 雪花模型，数据仓库专用 SQL 模型）
面向 OLAP 数据仓库（Hive SQL、Spark SQL、Redshift），属于关系模型的业务分层范式：
星型模型：1 张事实表 + 多张维度表，维度表不拆分，结构简单，查询快；
雪花模型：星型模型扩展，维度表进一步拆分子维度，冗余更低，结构复杂；
适用：大数据报表、经营分析、数据看板。
三、补充区分：易混淆知识点
SQL ≠ 仅关系模型
传统狭义 SQL 只对应关系模型；现代 SQL（ANSI SQL 2016+）规范已纳入文档、图、时序等扩展类型，一套 SQL 操作多模型。
非 SQL 数据库（NoSQL）
纯 NoSQL 原生不支持 SQL：MongoDB（纯文档）、Redis（纯 KV）、Neo4j（纯图）；但如今大部分 NoSQL 也推出 SQL 兼容层（Mongo SQL、Redis SQL）。
总结
基础必背：关系模型（SQL 标准原生模型）；
OLAP 数仓专用：星型模型、雪花模型；
现代数据库扩展模型（SQL 兼容）：文档模型、键值模型、图模型、时序模型。