数据库都有哪些分类？

数据库概述

1.数据库的定义与作用

数据库是存储和管理数据的系统。在信息化飞速发展的今天，数据量呈爆炸式增长，数据库的作用愈发凸显。

从定义上看，数据库是长期存放在计算机内、有组织、可共享的大量数据的集合。它就像一个数据“仓库”，将杂乱无章的数据按照一定的规则和方式进行分类、存储和管理。比如在学生管理数据库中，学号、姓名、性别等学生信息都有序地存放着，方便随时调用和查询。

在现代信息系统中，数据库处于核心地位，是各种应用系统正常运行的基石。它能够提供数据的持久存储，确保数据不会因为计算机断电、硬件故障等原因而丢失；支持事务处理和并发控制，多个用户可以同时访问和操作数据库，且能保证数据的一致性和完整性；还具有强大的数据检索和查询功能，用户可以通过简单的SQL语句快速获取所需数据，提高了数据处理的效率。在企业资源规划、客户关系管理、电子商务等系统中，数据库都发挥着不可替代的作用，为企业的决策支持、业务运营等提供了有力的数据支撑。

2.数据库分类的必要性

对数据库进行分类具有非常重要的意义，它有助于我们更好地理解数据库的特点和适用场景，满足不同业务需求。

随着数据规模的不断扩大和应用场景的日益复杂，数据库的种类也越来越多。如果不进行分类，就很难清晰地了解各种数据库的特性和优势，也就无法根据实际需求选择合适的数据库产品。比如关系型数据库适用于需要事务处理和复杂查询的场景，像金融系统中的交易记录管理；而NoSQL数据库则更适合大数据、高并发的场景，如互联网公司的用户行为分析。

分类还能帮助我们更深入地理解数据库的技术原理和发展趋势。通过对不同类别数据库的学习和研究，可以发现它们在数据存储、数据索引、查询优化等方面的不同技术实现，从而为我们选择和使用数据库提供更专业的指导。在进行系统设计和开发时，根据业务特点和对数据的要求，选择合适的数据库分类，能够使系统运行更加高效、稳定，提升整体的性能和用户体验。

按数据模型分类

1.关系型数据库

关系型数据库是基于关系模型进行数据存储的数据库，它以表格的形式来组织数据。每个表格由行和列组成，行代表数据记录，列代表数据字段，不同表格之间通过关系进行关联。

关系型数据库具有诸多特点。其数据结构化程度高，数据的组织和存储都遵循严格的关系模型，方便理解和操作。它支持事务处理和并发控制，能确保在多个用户同时访问和操作时数据的完整性和一致性。还具有强大的数据查询和更新功能，用户可以通过SQL语句灵活地进行数据的增删改查。关系型数据库的数据冗余度低，数据共享性好，能够有效节省存储空间和提高数据的使用效率。

在应用场景方面，关系型数据库广泛应用于需要事务处理和复杂查询的场景。在金融领域，像银行的交易记录管理系统，需要保证每一笔交易的准确性和一致性，关系型数据库的事务处理功能正好满足这一需求。在企业管理系统中，如ERP系统，涉及大量的复杂数据关系和事务处理，关系型数据库也能很好地支持。医疗行业的患者信息管理系统、教育领域的学生信息管理系统等，都离不开关系型数据库来存储和管理大量结构化数据，确保数据的准确性和安全性。

2.NoSQL数据库

NoSQL数据库是非关系型数据库，它并不基于关系模型进行数据存储，而是采用键值对、文档、列族或图形等多种数据模型来存储数据。

NoSQL数据库具有许多特性。它具有高可扩展性，能够轻松地在分布式系统中进行水平扩展，以应对大规模数据存储和高并发访问的需求。其数据模型灵活，可以存储半结构化和非结构化数据，无需像关系型数据库那样严格定义表结构。NoSQL数据库通常具有高性能的特点，通过优化数据存储和查询方式，能够在短时间内处理大量数据。

NoSQL数据库的主要类型有键值存储数据库，如Redis，适合用于需要高速读写和缓存的场景；文档数据库，如MongoDB，适用于存储和查询复杂的文档数据；列族数据库，如HBase，适用于处理大规模的稀疏数据；图形数据库，如Neo4j，擅长处理具有复杂关系的数据。

在处理大规模数据方面，NoSQL数据库具有明显优势。它能够存储PB级别的数据量，轻松应对大数据场景。由于采用了分布式架构，可以将数据分散存储在多个节点上，提高数据的读写速度和系统的整体性能。NoSQL数据库的弱一致性模型在一定程度上牺牲了数据的强一致性，换来了更高的可用性和性能表现，非常适合那些对数据一致性要求不是特别高，但对性能和扩展性有很高要求的互联网应用场景，如用户行为分析、物联网数据处理等。

瀚高数据库在数据模型分类中的定位

1.瀚高数据库的数据模型

瀚高数据库管理系统V9.0（HGDB Enterprise Edition）属于企业级关系型数据库，是面向核心交易型业务处理的产品，系统基于插件式体系架构设计，采用多语法解析器架构，能够满足用户"一库多用"的需求。其关系型内核以开源PostgreSQL为底座，同时具备兼容Oracle、MySQL和SQL Server的多语法能力，通过多端口访问机制实现一套数据库同时接入多种协议，便于统一选型和统一运维。

在数据模型层面，HGDB V9.0同一引擎具备多模能力，除了传统的关系型数据模型外，还支持向量数据（pgvector/pgvectorscale）、GIS地理信息（PostGIS）、时序数据（TimescaleDB）、图分析（AGE图数据库扩展）、文档数据（JSON/JSONB文档存储）以及中文全文检索，内置40余个扩展插件，并提供对应的API或SQL接口。这种"关系型为主、多模扩展"的架构，使得瀚高数据库既能承载企业核心交易系统的结构化数据，又能覆盖非结构化与新型数据类型的存储需求，将关系型数据库的传统能力与多模态存储进行了一体化整合。

进一步来看，瀚高的数据模型定位还体现在对复杂业务数据的支撑上。系统可支持以金融类总账系统Oracle EBS为代表的复杂数据类型和业务逻辑，能够兼容Oracle的varchar2、number、clob等数据类型，以及connect by、rownum等SQL语法，还有PL/SQL存储过程和函数，并兼容Oracle字典表/视图40个以上。这样的设计使瀚高数据库在数据模型分类中，既延续了关系型数据库的经典范式，又通过多模能力扩展了数据模型的应用边界。

2.瀚高数据库在关系型数据库中的优势

在关系型数据库的范畴内，瀚高数据库形成了多个层面的能力优势。首先是兼容性优势，系统采用双语法解析器和多端口并行访问机制，一套数据库可同时接入Oracle、MySQL和SQL Server协议，不同端口可使用各自熟悉的SQL方言，使企业现有的基于Oracle等成熟数据库的应用系统能够快速迁移，大部分应用可平滑迁移，无需修改或仅需少量修改，这降低了迁移和运维的门槛。

其次是性能优势，HGDB V9.0通过智能查询优化器自动选择执行计划，优化内存管理以减少磁盘I/O，增强索引创建和更新效率，支持并行查询以充分利用多核能力，并具备高并发场景下的连接处理优化、管道查询模式、大批量数据快速导入、读写分离和表分区管理等机制，支持千万级事务处理能力，并提供性能诊断报告工具周期收集性能统计数据。

第三是可用性与扩展性优势。系统支持双节点、多节点集群架构，提供全量、增量、差异等多种备份方式，含物理块级备份；支持主备复制、流复制、逻辑复制等多种数据同步方式，一主多备架构可切换同步/异步复制模式，并支持在线无阻塞DDL，亿级大表在线增加带缺省值的列可在毫秒级完成。这些能力使瀚高数据库在关系型数据库的产品对比中，形成了兼顾兼容迁移、处理性能和高可用运维的综合竞争力。

按存储方式分类

1.内存存储

内存存储是指将数据直接存储在计算机的内存中，内存的存储载体主要包括变量、数组等。这种存储方式具有极快的访问速度，数据可以直接被CPU读取和处理，无需经过磁盘I/O等复杂操作，访问延迟极低，能够在微秒甚至纳秒级别内完成数据读写。

不过，内存存储也有明显的缺点。由于内存是易失性存储，断电后数据会丢失。为了解决这个问题，通常需要采用一些持久化策略，如定期将内存中的数据同步到硬盘存储系统中，或者在系统断电时通过电池等备用电源来保护内存中的数据。

内存存储主要适用于对数据访问速度要求极高的场景，如实时数据分析、高频交易系统等。在这些场景中，快速的数据访问速度能够带来巨大的性能优势，提升系统的整体响应速度和处理能力。内存数据库如Redis，就广泛应用于缓存、消息队列等场景，为系统提供高速的数据访问服务。

2.硬盘存储

硬盘存储是将数据存储在硬盘等外部存储设备上，存储载体主要包括文件和数据库。硬盘存储的特点就是能实现持久化存储，数据可以长期保存，不会因为断电等原因而丢失。

硬盘存储的持久化存储原理主要基于磁盘的机械结构和数据写入方式。硬盘由多个盘片组成，盘片上划分成多个磁道和扇区。当需要存储数据时，数据会以二进制形式写入到扇区中，通过磁头在盘片上的移动来实现数据的读写。这种存储方式虽然访问速度相对内存存储较慢，但由于硬盘的存储容量大、成本较低，能够满足大规模数据的存储需求。

硬盘存储的优势在于其大容量和持久性。在数据量较大、对数据安全性要求高的场景，如企业数据备份、文档存储、音视频资料保存等，硬盘存储都是优质选择。而且，随着硬盘技术的不断发展，如固态硬盘的出现，硬盘存储的访问速度也在不断提升，进一步拓展了其应用场景。

3.行式存储和列式存储

行式存储和列式存储是数据库中两种不同的数据存储方式。行式存储将数据按照行为单位进行存储，每一行数据都包含了表中所有的列数据，类似于关系型数据库中的表格形式。这种存储方式在查询单条记录或少量记录时效率较高，因为它可以快速定位到数据所在的行，然后读取整行数据。

列式存储则是将数据按照列为单位进行存储，每一列数据单独存储在一起。在进行涉及多列的聚合查询时，列式存储具有优势，因为它可以只读取需要的列数据，减少不必要的数据读取，提高查询效率。而且，列式存储在数据压缩方面也有更好的表现，因为同一列的数据类型相同，更容易进行压缩处理，节省存储空间。

行式存储适用于需要频繁进行单条记录查询和事务处理的场景，如在线交易处理系统，用户下单、修改订单信息等操作通常涉及单条记录的读取和修改。列式存储则更适合于数据分析和数据挖掘场景，如数据仓库系统，需要对大量数据进行聚合分析，列式存储能够提供更快的查询速度。

瀚高数据库的存储方式

1.瀚高数据库支持的存储方式

瀚高数据库在存储层面支持多种方式，覆盖结构化与非结构化数据的统一管理需求。其核心数据库引擎提供多模一体化存储能力，能够统一存储结构化、向量、时序、文档等各类数据，减少数据碎片化。具体而言，系统原生支持向量数据存储（pgvector/pgvectorscale）、GIS地理信息存储（PostGIS）、时序数据存储（TimescaleDB）、图数据存储（AGE扩展）、文档数据存储（JSON/JSONB）等多种模式，所有类型均可通过对应的API或SQL接口访问。

在对象存储方面，瀚高通过HigoBase平台提供兼容S3协议的对象存储能力，支持本地磁盘、MinIO及各类S3兼容后端，可用于统一管理图片、视频、音频、文档等非结构化文件，文件访问权限由数据库行级安全（RLS）策略统一控制，实现结构化与非结构化数据安全策略的一体化。系统还支持可视化的存储桶管理，通过Studio可直接管理文件与访问策略。

在物理存储层面，瀚高数据库提供数据加密存储能力，安全版采用透明加密（TDE）实现数据文件级加密，全密态数据库则进一步实现数据在"可用与不可见"状态下处理，数据任何时候不以明文形式存在，同时兼顾数据库性能。备份方式上支持全量、增量、差异等备份，含物理块级备份，企业版还提供在线备份、日志归档与PITR时间点恢复能力。

2.瀚高数据库存储方式的优势

瀚高数据库存储方式的价值主要体现在统一性、安全性与效率三个维度。在统一性方面，多模一体化存储引擎终结了不同类型数据分别存储、难以协同的碎片化问题，结构化数据、向量、时序、文档数据可在同一引擎内统一管理，配合对象存储对非结构化文件的统一收纳，形成了覆盖各类数据形态的完整存储体系，降低了企业数据架构的复杂度。

在安全性方面，存储层嵌入了纵深防护能力。行级安全（RLS）将权限策略下沉至数据库层，即使绕过应用层也无法越权访问数据；对象存储的文件访问权限同样由RLS统一控制，使结构化与非结构化数据的安全策略保持一致。数据加密存储（TDE）提供文件级加密，全密态数据库实现处理过程中的数据"可用不可见"，并支持SM2/SM3/SM4国密算法，覆盖数据传输与存储的加密链路，符合国家等级保护要求，适合政务、金融、军工等高安全场景。

在效率方面，存储方式设计兼顾了处理性能与运维便利。全密态加密在保障安全的同时维持数据库性能，物理块级备份提升了备份恢复的效率，在线无阻塞DDL使亿级大表可在毫秒级完成结构变更。对象存储与数据库RLS权限的一体化设计，使复杂的资源访问规则可以用SQL策略定义，减少了独立文件系统权限管理的额外开销，整体提升了存储层的运行与维护效率。

按应用领域分类

1.事务型数据库

事务型数据库主要用于处理事务性操作，其核心特点在于对事务的支持。事务是一系列操作的集合，要么全部成功执行，要么全部不执行。在事务型数据库中，事务具有ACID特性，即原子性、一致性、隔离性和持久性。

原子性确保事务中的所有操作是不可分割的单元；一致性使事务执行前后数据保持一致状态；隔离性保证多个事务并发执行时互不干扰；持久性则表示事务一旦提交，其结果将永久保存。

事务型数据库广泛应用于金融交易场景。在银行系统中，每一笔转账交易就是一个典型的事务，涉及从转账账户扣款和收款账户入账等一系列操作。若其中任一环节出错，整个事务都会回滚，保证资金安全。它还适用于订单处理、库存管理等领域，确保数据在频繁的事务操作中准确无误，为业务的稳定运行提供坚实保障。

2.数据分析型数据库

数据分析型数据库专注于大数据分析，其设计目标是为了高效处理大规模数据的查询和分析任务，以支持商业智能等应用。

数据分析型数据库通常具有高扩展性和高性能。它能存储PB级别的数据量，并通过分布式架构实现水平扩展，轻松应对海量数据的存储和计算需求。在性能方面，采用列式存储、并行处理等技术，提高数据查询和分析的速度。

在商业智能领域，数据分析型数据库发挥着重要作用。企业可利用它对销售数据、市场数据、客户行为数据等进行分析，生成各种报表和图表，帮助企业了解市场趋势、客户偏好等关键信息，为决策提供数据支持。比如通过分析历史销售数据，预测未来销售趋势，优化库存管理和生产计划；分析客户行为数据，实现精准营销，提升客户满意度和忠诚度，从而为企业创造更大价值。

3.物联网场景数据库

物联网场景下，时序数据库是较为适合的数据库类型。物联网设备会持续不断地产生大量带有时间戳的数据，时序数据库专门针对此类数据进行了优化。

时序数据库能够高效存储和查询时间序列数据，支持高写入吞吐量，可快速处理物联网设备实时上传的数据。它通常采用压缩算法，有效减少存储空间占用。在查询方面，可根据时间范围快速检索数据，满足物联网场景中对历史数据和实时数据的分析需求。

在智能交通领域，时序数据库可用于存储车辆的位置、速度等时间序列数据，通过分析这些数据，实现交通流量监控、路况预测等功能。在工业物联网中，设备的运行状态数据通过时序数据库存储，可实时监控设备运行情况，及时发现故障隐患，提高设备的运维效率。在环境监测场景，时序数据库能存储各个监测点的温度、湿度等数据，为环境分析和预警提供数据支撑，助力物联网应用更好地发挥价值。

瀚高数据库在不同应用场景下的优势

1.瀚高数据库在金融行业的应用

在金融行业，瀚高数据库面向银行、保险等机构的核心业务系统提供了国产化数据库支撑。产品已可支持金融类总账系统Oracle EBS为代表的复杂数据类型和业务逻辑，并积累了多类落地实践，包括外资银行的银行跑批业务国产数据库替代、财险公司全国保单核心系统的全量运行，以及金融数科公司通过开源IvorySQL与合研数据库技术路线，为商业银行核心业务系统底层提供对Oracle数据库的深度兼容支撑。

在安全保障方面，金融场景对数据安全等级要求高，瀚高数据库安全版采用三权分立安全机制，系统管理员、安全保密管理员、安全审计员三个角色相互独立、相互制约，提供强制访问控制、数据加密存储和细粒度审计，符合国家信息安全等级保护要求，适合政务、金融等高安全场景。全密态数据库则进一步保障数据在传输和处理过程中的密文形态。

在可用性与容灾方面，金融核心业务对连续运行要求高，瀚高提供高可用集群软件（HGHA），基于流复制技术实现主库故障自动检测与秒级切换，保障核心业务系统7×24不间断运行，支持一主多备架构、脑裂防护与仲裁机制、虚拟IP漂移，读写分离集群可将读请求分发至备节点以提升整体吞吐量。结合企业级备份与恢复工具，金融用户能够在保障业务连续性的同时满足数据可靠性与合规要求。

2.瀚高数据库在大数据分析中的应用

在大数据分析场景中，瀚高数据库通过HTAP架构实现OLTP与OLAP的协同调度，使事务处理与联机分析在同一系统中协同运行，避免传统架构下数据需要反复迁移到分析平台带来的延迟与冗余。AI就绪混合负载引擎支持SQL级模型调用，可将数据查询与模型推理进行一体化融合，为分析型应用提供从数据存取到智能计算的一体化路径。

在数据类型处理上，瀚高数据库的多模能力为大数据的多样化分析提供了支撑。向量数据存储（pgvector/pgvectorscale）支持高效的向量相似度搜索，可服务于语义检索与知识库问答类应用；时序数据支持（TimescaleDB）适合处理海量时间序列数据的聚合分析；GIS地理信息支持（PostGIS）可用于空间数据分析；JSON/JSONB文档存储与中文全文检索则覆盖半结构化文本数据的检索需求。

在数据流转层面，瀚高提供了跨平台的数据融合能力，支持基于事务日志变更捕获的增量数据同步，可在异构平台之间进行实时数据传输，源端无需安装代理、性能零损耗，并保证传输链路中所有表对象的事务一致性，支持数据传输压缩加密与脱敏。这样的能力使瀚高数据库能够与大数据生态中的其他平台协同，为分析链路提供可靠、实时的数据基础。

3.瀚高数据库在云计算环境下的应用

在云计算环境下，瀚高数据库提供了完整的云化部署与管理能力。瀚高数据库云服务平台提供数据库的云化管理和服务能力，实现数据库资源的统一调度、弹性伸缩和自动化运维，满足企业云原生部署需求。HigoBase平台支持云端快速部署，可从注册到拥有独享数据库实例，同时支持本地私有化安装，兼容主流Linux及麒麟、统信等国产操作系统，兼顾公有云与私有云的多种部署形态。

在资源调度与可用性方面，云环境下的数据库服务以SLA可用性承诺99.99%为基线，依托金融级故障自动切换与数据备份恢复能力，保障业务连续性。系统提供可视化安装部署，支持图形化和命令行两种方式，并配套开发管理工具、运维实施工具和监管分析平台，涵盖SQL编辑执行、对象管理、数据导入导出、查询计划分析、性能监视与告警等功能，形成面向云化环境的完整运维工具链。

在云原生配套能力方面，瀚高数据库通过统一网关实现统一鉴权、API速率限制与跨域处理，支持JWT+OAuth2/OIDC企业级认证，并接入飞书、阿里云等国内生态登录体系。系统还提供基于WAL日志驱动的毫秒级实时数据推送，无需轮询和消息队列，可用于即时通讯、协同编辑、实时监控大屏等实时应用。边缘函数能力允许部署TypeScript脚本处理复杂后端逻辑，实现Serverless扩展，与数据库解耦执行。这些能力使瀚高数据库在云环境中既能承载核心业务负载，又能支撑快速迭代的云原生应用开发。