1. 数据模型与存储结构

关联型数据库

基于关系模型（二维表结构），数据以 “表（Table）” 为单位存储，表由 “行（记录）” 和 “列（字段）” 组成，且有严格的固定 Schema（字段类型、长度等需预先定义）。
例如：用户表（id, name, age）、订单表（order_id, user_id, amount），通过 “user_id” 关联两张表。
典型产品：MySQL、PostgreSQL、Oracle、SQL Server。

非关联型数据库

数据模型灵活，无固定 Schema，根据场景分为多种类型：
文档型（如 MongoDB）：以 “文档” 为单位（类似 JSON/BSON），可嵌套结构（如一个文档包含用户基本信息 + 订单列表）；
键值型（如 Redis）：以 “键 - 值对” 存储（类似字典），适用于简单查询；
列族型（如 Cassandra）：按 “列族” 分组存储，适合海量数据的列级查询；
图数据库（如 Neo4j）：以 “节点 - 关系” 模型存储，擅长处理复杂关联（如社交网络关系）。

2. 关系处理方式

关联型数据库

通过外键（Foreign Key） 明确表之间的关系（如一对一、一对多），支持JOIN 操作（通过关联字段合并多表数据）。
例：通过user_id将 “用户表” 和 “订单表” JOIN，查询某个用户的所有订单。

非关联型数据库

不支持（或不推荐）复杂 JOIN，通常通过两种方式处理关系：
嵌入式存储：将关联数据嵌入主文档（如订单文档中直接包含用户基本信息）；
应用层处理：由业务代码分别查询多个数据源，再手动关联。
例：MongoDB 中，订单文档可能直接包含user_name而非user_id，避免跨文档关联。

3. 事务与一致性

关联型数据库

严格遵循ACID 原则（原子性、一致性、隔离性、持久性），支持强事务（如银行转账需保证 “扣钱” 和 “加钱” 同时成功或失败），适合对数据一致性要求极高的场景。

非关联型数据库

早期多数不支持事务，更倾向BASE 原则（基本可用、软状态、最终一致性），通过牺牲部分一致性换取高可用性和扩展性。 但近年部分 NoSQL 开始支持有限事务（如 MongoDB 4.0 + 支持多文档事务，Redis 支持单键事务），但复杂事务能力仍弱于 RDBMS。

4. 扩展性

关联型数据库

垂直扩展（升级服务器硬件）为主，水平扩展（分片）难度高（因表关系复杂，分片后 JOIN 成本极大）。

非关联型数据库

天生支持水平扩展（通过分片将数据分散到多台服务器），因数据模型松散，分片后无需复杂关联，适合海量数据场景（如亿级用户日志存储）。

5. 查询语言

关联型数据库

统一使用SQL（结构化查询语言），语法标准化（如SELECT * FROM table WHERE ...），支持复杂查询（嵌套查询、聚合函数等）。

非关联型数据库

无统一查询语言，各产品有专属接口： MongoDB 用find()、aggregate()等方法； Redis 用GET、SET等命令； 图数据库用 Cypher（Neo4j）等。

6. 适用场景

关联型数据库

适合数据结构固定、需复杂关系查询、强事务的场景： 金融交易（银行转账、支付系统）； 电商订单（需关联用户、商品、库存等多表）； 企业 ERP 系统（数据关系复杂且一致性要求高）。

非关联型数据库

适合数据结构多变、高并发读写、海量数据的场景： 社交数据（用户动态、评论，结构灵活）； 日志存储（如服务器日志，高写入、低查询复杂度）； 实时推荐系统（需快速读写海量用户行为数据）。