SQL（关系型数据库）
- 数据结构:基于表格的结构化数据模型，遵循关系代数原则。每个表有固定的模式，包含列和行，且列具有预定义的数据类型。
- 数据关系:支持复杂的关系表达式和JOIN操作，实现多个表之间的关联和引用完整性。
- ACID特性:支持原子性(Atomicity)、一致性(Consistency)、隔离性(lsolation)和持久性(Durability)，保证事务处理期间数据的一致性和完整性。
- 查询语言:通过SQL语言进行数据操作，包括CRUD(创建、读取、更新、删除)和聚合函数等
- 垂直扩展:传统上主要通过增加单个服务器硬件资源(如CPU、内存、存储)来提高性能。
NoSQL（非关系型数据库）
- 数据模型:灵活多样，可以是键值对、文档型、列族、图形等多种模型，适应不同类型的应用需求。键值存储(Key-Value):如Redis和Memcached、文档型数据库(Document):如MongoDB和Couchbase、列族存储(Column Family):如Apache Cassandra和HBase、图形数据库(Graph):如Neo4j
- 弱规范性:不强制预先定义严格的数据模式，允许数据结构随时间演变。
- 分布式与水平扩展:天生支持分布式的架构设计，通过添加更多的节点进行水平扩展以应对大规模数据增长。
- CAP定理:NOSQL数据库Q通常遵循BASE理论(基本可用、软状态、最终一致性)，在一致性和可用性之间做出权衡，允许在某些情况下牺牲强一致性以获得高可扩展性和高性能。
- .查询方式:大多数NoSQL数据库有自己的查询语言或AP!接口，不一定使用SQL语句，但有的也支持类似SQL的查询语法。
| SQL 数据库 | NOSQL 数据库 | |
| 数据存储模型 | 结构化存储，具有固定行和列的表格 | 非结构化存储。文档:JSON 文档，键值:键值对，宽 列:包含行和动态列的表，图:节点和边 |
| 发展历程 | 开发于 1970 年代，重点是减少数据重复 | 开发于 2000 年代后期，重点是提升可扩展性，减少 大规模数据的存储成本 |
| 例子 | Oracle、MysQL、Microsoft SQL Server、PostgresQL | 文档:MongoDB、CouchDB，键值:Redis、 DynamoDB，宽列:Cassandra、HBase，图表Neo4j、Amazon Neptune、Giraph |
| ACID属性 | 提供原子性、一致性、隔离性和 持久性 (ACID) 属性 | 通常不支持 ACID 事务，为了可扩展、高性能进行了 权衡，少部分支持比如 MongoDB。不过，MongoDB对 ACID 事务 的支持和 MySQL 还是有所区别的。 |
| 性能 | 性能通常取决于磁盘子系统。要 获得最佳性能，通常需要优化查 询、索引和表结构。 | 性能通常由底层硬件集群大小、网络延迟以及调用应 用程序来决定 |
| 扩展 | 垂直(使用性能更强大的服务器 进行扩展)、读写分离、分库分表 | 横向(增加服务器的方式横向扩展，通常是基于分片 机制) |
| 用途 | 普通企业级的项目的数据存储 | 用途广泛比如图数据库支持分析和遍历连接数据之间 的关系、键值数据库可以处理大量数据扩展和极高的 状态变化 |
| 查询语法 | 结构化查询语言 | 数据访问语法可能因数据库而异 |
：请求执行流程)
)
