非关系型数据库常见类型解析
现在数据量越来越大，传统的关系型数据库在某些场景下显得有点吃力。比如你做个用户行为记录系统，每天几百万条点击日志，用MySQL硬扛，查询慢、写入卡，维护也麻烦。这时候，非关系型数据库（NoSQL）就派上用场了。
NoSQL 不走表格那一套，结构更灵活，扩展性更强，特别适合高并发、大数据量的场景。常见的类型有好几种，每种都有自己的拿手好戏。
键值型数据库：简单直接，快如闪电
这类数据库就像一个巨大的字典，用 key 找 value，操作极其高效。Redis 是最典型的例子，经常被用来做缓存。比如你开个电商网站，商品详情页访问量巨大，每次从数据库查太慢，那就把数据丢进 Redis，用户一打开页面，毫秒级响应。
它的结构简单到不能再简单：
<code>user:1001 -> {"name": "张三", "age": 28}</code>写入和读取都极快，但不适合复杂查询。
文档型数据库：结构灵活，开发省心
如果你的数据结构经常变，比如用户资料今天加个头像字段，明天加个兴趣标签，用 MySQL 得不停改表结构，挺烦人。文档型数据库像 MongoDB 就很适合这种场景。
它把数据存成类似 JSON 的格式，每个“文档”可以有自己的结构，增减字段完全自由。比如保存用户注册信息，有的用户填了地址，有的没填，MongoDB 照单全收，不用提前定义好所有字段。
<code>{ "_id": "abc123", "username": "lily", "email": "lily@example.com", "profile": { "city": "杭州", "hobbies": ["读书", "骑行"] }}</code>开发起来顺手，特别适合内容管理、用户中心这类模块。
列式存储数据库：海量数据批量处理的利器
当你需要分析大量数据，比如统计某 App 全年用户的活跃趋势，传统行式存储效率低，而列式数据库如 Cassandra、HBase 就擅长干这个。
它们按列存储数据，比如把所有用户的“登录时间”单独存一列，做聚合统计时只需读这一列，速度提升非常明显。Cassandra 还支持多节点分布式部署，扛得住超大流量，常用于日志分析、监控系统。
图数据库：专治复杂关系
社交网络、推荐系统这类应用，核心是“关系”。比如你想找“朋友的朋友”，用传统数据库得连着 JOIN 几张表，性能差。图数据库 Neo4j 把节点和关系都当成一等公民，查询“二度人脉”轻轻松松。
比如你关注了 A，A 关注了 B，那系统很快就能推 B 给你。这种层层嵌套的关系，图数据库处理起来得心应手。
选哪种类型，关键看你的业务需求。要快缓存，上 Redis；结构多变，用 MongoDB；搞大数据分析，考虑 Cassandra；玩社交关系，试试 Neo4j。没有万能的数据库，只有合不合适。