MySQL、redis、MongoDB、elasticsearch的对比

名称	MySQL	redis	MongoDB	Elasticsearch
概念	关系型数据库，将数据保存到不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。	一个以key-value形式存储的非关系数据库，6.X之前:单线程，6.X之后:多线程	一个以JSON为数据模型的文档非关系型数据库，半内存半硬盘的方式。	是一个基于Lucene构建的开源、分布式、RESTful搜索引擎。能够达到实时搜索、稳定、可靠、快速、安装使用方便。 支持通过HTTP使用JSON进行数据索引
优点	①支持事务管理 ②支持多种操作系统 ③支持多线程 ④可移植性强 ⑤支持多种存储引擎 ⑥开源、免费	①支持丰富的数据类型 ②纯内存操作，速度快 ③可以进行持久化操作 ④还可以设计key的存活时间(expire) ⑤支持事务	①建模灵活（表结构灵活可变，字段类型可以随时修改） ②json数据模型 ③横向扩展简单 ④大数据量存储 ⑤高并发	①分布式。不需要其他组件，分发是实时的 ②完全支持Apache Lucene的接近实时的搜索 ③处理多租户不需要特殊配置,而Solr则需要更多的高级设置 ④采用了Gateway的概念,使得完备份更加简单 各节点组成对等的网络结构,某些节点出现故障时会自动分配其他节点代替其进行工作
缺点	不支持热备份，对XML支持不够良好， 最大的缺点是其安全系统，主要是复杂而非标准，另外只有到调用mysqladmin来重读用户权限才会发生改变	①redis(ACID处理非常简单) ②无法做太复杂的关系数据库模型 ③是数据库容量受到物理内存的限制，不能用作海量数据的高性能	因为不需要定义表结构的特点，所以给多表查询、复杂事务等高级查询带来了阻碍。 不支持事务	还不够自动，不适合当前新的index Warmup API。 字段类型无法修改，写入性能较低，高硬件资源消耗
定位	定位于中小型数据库 需要经常用到连表的复杂查询，不适合做海量数据的分析功能 当MySQL单机存储数据达到了TB级别的时候，性能会明显下降。	读写定位在缓存,提高数据读写速度，减轻对数据库存储与访问压力	一个以JSON为数据模型的文档非关系型数据库，更偏向于大数据量存储	搜索的非关系型数据库，主要是运用与站内搜索，全局搜索关键字
对比选择	支持跨平台，运行速度快，支持面向对象，可以处理复杂业务的多表查询	①热数据的存储 ②list数据类型可以用作FIFO(先进先出)双向链表的消息队列服务 ③sort_set可以用作实时排行榜	①对于需要经常改变表结构，字段的情况下，使用MongoDB ②如果业务需求是需要较复杂的多表查询，那么选择MySQL。	当我们需要在海量的数据中筛选出我们想查询的关键字相关信息。