一、 按照数据模型分类
(一) 关系型数据库（RDBMS：Relational Database Management System）
● 核心特征：
○ 二维表结构：通过外键约束实现强一致性（如银行交易系统）。
○ ACID 事务：支持原子性、隔离性（如 MySQL InnoDB 的 MVCC 机制）。
○ 标准化查询：SQL 语言统一操作（DDL/DML/DCL）。
● 典型代表：
○ Oracle、MySQL、SQL Server、PostgreSQL 。
(二) 非关系型数据库(NOSQL：Not Only SQL，不仅仅是SQL)
键值数据(Redis、Memcached)：内存级高速缓存
列族存储(Cassdandra、HBase)：高吞吐
文档型(MongoDB、CouchBase)：JSON格式
(三) 时序数据库(TSDB：)
1. 高频写入：支持每秒百万级数据点写入
2. 高效压缩：利用时间序列数据递增、平滑的特性，采用差分编码（Delta Encoding）、游程编码（RLE）等算法，存储空间可降低 70% 以上
3. 时间范围查询优化：针对时间窗口聚合（如滚动平均、最大值）进行索引优化，查询延迟低至毫秒级
4. 生命周期管理：自动删除过期数据（TTL）
5. 典型：InfluxDB、Prometheus
(四) 内存数据
1. Redis、MySQL Memory
2. 数据存储在内存，查询速度快
二、 按照应用场景分类
(一) OLTP(联机事务处理)
● 定义：面向高并发短事务的实时数据处理系统，确保数据一致性和即时性。
● 核心特征
○ ACID 事务：严格遵循原子性、一致性、隔离性、持久性（如银行转账）。
○ 高并发写入：支持每秒数万级事务（如电商秒杀）。
○ 行式存储：按行存储数据，优化单行操作（如 MySQL InnoDB）。
○ 强一致性：实时反映最新数据状态。
(二) OLAP(联机分析处理)
● 定义：面向复杂历史数据分析的决策支持系统，强调聚合与多维洞察。
● 核心特征：
○ 复杂查询：支持多维聚合（如 SUM、AVG）、钻取、旋转等操作。
○ 读优化：列式存储（如 ClickHouse）提升压缩率和查询效率。
○ 历史数据：处理 TB 级以上历史数据，响应时间容忍度较高（秒级）。
○ ETL 流程：依赖数据仓库定期同步 OLTP 数据。
(三) HTAP(混合事务/分析处理)
● 定义：在同一系统中同时支持 OLTP 和 OLAP，打破传统架构壁垒。
● 核心特征：
○ 统一数据平台：避免数据复制延迟（如 TiDB 的分布式架构）。
○ 实时分析：事务数据写入后立即可分析（如金融风控）。
○ 混合存储：行存+列存结合（如 OceanBase 的 LSM-Tree + 列式索引）。
○ 资源隔离：通过计算引擎分离事务与分析负载。
