应用场景：
- 用于随机数据量多、需要预定义查询的地方
- 用于版本控制比较重要的地方
使用案例：
可用于客户关系管理（CRM），内容管理系统（CMS）；可用于主主互备甚至多机互备
Redis 2.4版
开发语言： C/C++
主要特性： 快到掉渣
许可证： BSD
数据传输格式： 类似 Telnet 式的交换
- Redis 是一个内存数据库（in-memory database，简称
IMDB，将数据放在内存进行读写，这才是“快到掉渣”的真正原因 ——
译者注），磁盘只是提供数据持久化（即将内存的数据写到磁盘）的功能（这类数据库被称为“disk backed”数据库）
- 当前不支持将磁盘作为 swap 分区，虚拟内存（VM）和 Diskstore
方式都没加到此版本（Redis 的数据持久化共有4种方式：定时快照、基于语句追加、虚拟内存、diskstore。其中 VM
方式由于性能不好以及不稳定的问题，已经被作者放弃，而 diskstore 方式还在实验阶段 —— 译者注）
- 主从备份
- 存储结构为简单的 key/value 或 hash 表
- 但是操作比较复杂，比如：ZREVRANGEBYSCORE
- 支持 INCR（INCR key 就是将key中存储的数值加一 —— 译者注）命令（对限速和统计有帮助）
- 支持sets数据类型（以及 union/diff/inter）
- 支持 lists （以及 queue/blocking pop）
- 支持 hash sets （多级对象）
- 支持 sorted sets（高效率的表，在范围查找方面有优势）
- 支持事务处理！
- 缓存中的数据可被标记为过期
- Pub/Sub 实现了消息订阅和推送！
应用场景：
- 适合布署快速多变的小规模数据（可以完全运行在存在中）
使用案例：
股价系统、分析系统、实时数据收集系统、实时通信系统、以及取代 memcached
Google Bigtable 的衍生品
HBase 0.92.0 版
开发语言： Java
主要特性： 支持几十亿行*几百万列的大表
许可证： Apache
数据传输格式： HTTP/REST （也支持 Thrift 开发框架）
- 仿造 Google 的 BigTable
- 使用 Hadoop 的 HDFS 文件系统作为存储
- 使用 Hadoop 的映射和简化（map/reduce）编程模型
- 查询条件被推送到服务器端，由服务器端执行扫描和过滤
- 对实时查询进行优化
- 高性能的 Thrift gateway（访问 HBase 的接口之一，特点是利用 Thrift 序列化支持多种语言，可用于异构系统在线访问 HBase 表数据 —— 译者注）
- 使用 HTTP 通信协议，支持 XML、Protobuf 以及二进制格式
- 支持基于 Jruby（JIRB）的shell
- 当配置信息有更改时，支持 rolling restart（轮流重启数据节点）
- 随机读写性能与 MySQL 一样
- 一个集群可由不同类型的结点组成
应用场景：
- Hadoop 可能是在大数据上跑 Map/Reduce 业务的最佳选择
- 如果你已经搭建了 Hadoop/HDFS 架构，HBase 也是你最佳的选择。
使用案例：
搜索引擎；日志分析系统；扫描大型二维非关系型数据表。
Cassandra 1.2版
开发语言： Java
主要特性： BigTable 和 Dynamo的完美结合（Cassandra 以 Amazon 专有的完全分布式的 Dynamo 为基础，结合了Google BigTable基于 Column Family 的数据模型 —— 译者注）
许可证： Apache
数据传输格式： Thrift 和自定义二进制 CQL3（即 Cassandra 查询语言第3版 —— 译者注）
- 可以灵活调整对数据的分布式或备份式存储（通过设置N，R，W之间的关系）（NRW是数据库布署模型中的概
念，N是存储网络中复制数据的节点数，R是网络中读数据的节点数，W是网络中写数据的节点数。一个环境中N值是固定的，设置不同的WR值组合能在数据可用
性和数据一致性之间取得不同的平衡，可参考 CAP 定理 —— 译者注）
- 按列查询，按keys值排序后存储（需要包含你想要搜索的任何信息）（Cassandra 的数据模型借鉴自
BigTable
的列式存储，列式存储可以理解成这样，将行ID、列簇号，列号以及时间戳一起，组成一个Key，然后将Value按Key的顺序进行存储 —— 译者注）
- 类似 BigTable 的特性：列、列簇
- 支持分布式 hash 表，使用“类 SQL” 语言 —— CQL（但没有 SQL 中的 JOIN 语句）
- 可以为数据设置一个过期时间（使用 INSERT 指令）
- 写性能远高于读性能（读性能的瓶颈是磁盘 IO）
- 可使用 Hadoop 的映射和简化（map/reduce）编程模型
- 所有节点都相似，这点与 Hadop/HBase 架构不同
- 可靠的跨数据中心备份解决方案
应用场景：
- 写操作多于读操作的环境（比如日志系统）
- 如果系统全部由 JAVA 组成（“没人会因为使用了 Apache 许可下的产品而被炒鱿鱼”（此句貌似是网上有人针对“Apache considered harmful”一文所作的回应 —— 译者注））
使用案例：
银行、金融机构；写性能强于读性能，所以 Cassandra 天生就是用来作数据分析的。
Hypertable 0.9.6.5版
开发语言： C++
主要特性： HBase 的精简版，但比 HBase 更快
许可证： GPL 2.0
数据传输格式： Thrift，C++库，或者 HQL shell
- 采用与 Google BigTable 相似的设计
- 运行在 Hadoop HDFS 之上
- 使用自己的“类 SQL”语言 —— HQL
- 可以根据 key 值、单元（cell）进行查找，可以在列簇上查找
- 查询数据可以指定 key 或者列的范围
- 由百度公司赞助（百度早在2009年就成为这个项目的赞助商了 —— 好吧译者表示有点大惊小怪了:P）
- 能保留一个值的 N 个历史版本
- 表在命名空间内定义
- 使用 Hadoop 的 Map/reduce 模型
应用场景：
- 假如你需要一个更好的HBase，就用Hypertable吧
使用案例：
与HBase一样，就是搜索引擎被换了下；分析日志数据的系统；适用于浏览大规模二维非关系型数据表。
Accumulo 1.4版
开发语言： Java 和 C++
主要特性： 一个有着单元级安全的 BigTable
许可证： Apache
数据传输格式： Thrift
- 另一个 BigTable 的复制品，也是跑在 Hadoop 的上层
- 单元级安全保证
- 允许使用比内存容量更大的数据列
- 通过 C++ 的 STL 可保持数据从 JAVA 环境的内存映射出来
- 使用 Hadoop 的 Map/reduce 模型
- 支持在服务器端编程
应用场景：
使用案例：
与HBase一样，就是搜索引擎被换了下；分析日志数据的系统；适用于浏览大规模二维非关系型数据表。
| 
