生活在“数据时代”，您是否在为您的应用程序选择正确的数据库/数据存储方面遇到过困惑。那么，你并不孤单 ：-）。虽然“被有选择性宠坏了”是件好事，但这恰恰使选择数以万计的不同数据库/数据存储选项变得更加困难！
在经历了多次失败和在此过程中吸取的教训之后，以下是一些需要考虑的重要因素：
- 了解您的需求：这是您必须花费大部分时间的地方。谨慎地列出所有特定用例和需求的详细列表。如果它是您希望现代化的现有应用程序（例如从本地迁移到 SaaS），您还需要考虑当前本地数据库实例可能已经面临的问题。
- 不要受“炒作”或“新”的影响：很容易被最新最热门的数据库或数据存储所左右。重要的是不要让这影响您的决定。
- 商业/技术。支持：会出现问题，虽然社区支持很大，但在出现危机情况时，获得商业支持并保证 SLA 对重新确保首选支持团队大有帮助。
- 多云支持：越来越多的应用程序被期望能够在私有/混合/公共云选项之间切换/迁移。如果您可能必须从一个公共云平台切换到另一个公共云平台，请了解长期愿景并考虑未来的可能性。在这种情况下，在大多数平台上广泛支持数据存储确实有帮助。
- 订阅/许可条款和成本：这也是一个需要考虑的重要因素
- 流行度：如果您特别想挑选一个“新来的孩子”，那么围绕DB-Engines 的行业接受度/流行度进行一些研究可能很重要。这绝对可以帮助您更好地比较选项。
下面是一个“过度简化”的数据库/数据存储类型列表以及您可以利用它们的地方：
- 键值数据库：极快的响应。与其他持久性数据库一起用作缓存。（Memcached、Redis、Azure 缓存、AWS 弹性缓存、GCP MemoryStore）
- 宽列/列式数据库：键是一系列宽列。去中心化，可以横向扩展。适合频繁写入但不频繁读取/更新。适合用于不断增加的流动数据写入。（Cassandra、HBase、GCP Cloud BigTable）
- TimeSeries DB：适合顺序写入但不频繁读取/更新（Influx DB、Open TSDB）
- 文档存储：键值对，可以组织为关系/层次结构。阅读真的很快，写作/更新更慢。最适合一般用途。查询有点接近关系数据库。（Mongo DB、Couch DB、Azure Cosmos DB、AWS Dynamo DB、GCP Cloud BigTable）
- 对象/Blob 存储：最适合存储视频、文件。通常与 CDN 一起设置以确保您可以复制并启用从最近的副本进行访问。（Azure Blobstore、AWS S3、GCP CloudStorage）
- 关系数据库：传统结构化数据的最佳选择。需要一个架构，保证预先确定结构Schema。事务 SLA 保证。但是水平扩展可能很麻烦（My SQL、Oracle、DB2、Informix、PostGres、Azure SQL、AWS RDS、GCP Cloud SQL）
- Graph DB：知识图构建（neo4J、DGraph、Azure Neo4j、AWS Neptune、GCP Cloud BigTable）
- 搜索：搜索文本、内容。就像在亚马逊/Netflix 上搜索文本/内容一样。这些不是主要数据库，必须将数据引入其中才能启用文本搜索。（Lucene、Elastic、SolR、melli 搜索）
- 数据仓库：整合数据以对所有交易进行分析。这些不适合交易，更适合离线分析。（Hadoop、Snowflake、Azure Synapse、AWS RedShift、GCP BigQuery）
- 多模型：这是一种独特的数据库/数据存储库，可满足上述模型中的一种以上。如：Apache Druid 是一个 Relational+Columnar+TimeSeries DB。Fauna 是一个文档存储+关系+图形+时间序列数据库