常见的NoSQL数据库有哪些？用在哪些场景更合适
平时做开发或者运维，经常会听到“MongoDB”、“Redis”这些名字。它们都属于NoSQL数据库，和我们熟悉的MySQL这种关系型数据库不一样。NoSQL更灵活，适合处理大量非结构化数据，比如用户行为日志、商品评论、社交动态这些。
MongoDB：文档型数据库的代表
MongoDB最擅长存JSON格式的数据。比如一个电商系统里，每个商品的属性都不太一样，有的有颜色，有的有尺寸，还有的带赠品信息。用MySQL就得设计一堆字段，留空也占位置；而MongoDB直接把整个商品信息当一个文档存进去，增减字段非常方便。
查数据也简单，比如想找价格低于500的手机：
db.products.find({category: "phone", price: {$lt: 500}})这种写法接近自然语言，前端后端都能看懂，调试起来省心不少。
Redis：内存里的高速缓存
如果你做过网站，肯定遇到过“首页加载慢”的问题。这时候很多人会用Redis把热门内容先存到内存里。比如新闻首页的头条列表，每次从MySQL读太慢，Redis存一次，下次直接取，速度能快几十倍。
它支持字符串、哈希、列表等多种数据结构。比如记录用户最近搜索的5个关键词，可以用List：
LPUSH user_search_123 "蓝牙耳机"
LRANGE user_search_123 0 4因为数据存在内存里，所以断电就丢，不适合当主数据库，但做缓存、会话存储、排行榜特别合适。
Cassandra：扛得住海量写入
有些业务写操作特别多，比如物联网设备每秒上报一次数据，一天就是上亿条。传统数据库容易撑不住，Cassandra却很拿手。它是分布式的，数据自动分片到多个节点，横向扩展方便。
比如监控系统记录温度传感器数据：
INSERT INTO sensor_data (device_id, timestamp, temp) VALUES ('D001', 1717027200, 23.5);即使每天新增TB级数据，也能稳住。不过它的查询能力比不上MongoDB，更适合“写多读少”的场景。
HBase：基于Hadoop的大表选手
HBase运行在HDFS上，适合超大规模数据存储。比如电信公司要存全网用户的通话记录，几年积累下来几百亿条，MySQL根本没法管。HBase可以像大表格一样按行键快速定位，配合MapReduce做分析也很顺。
虽然用起来没那么直观，学习成本高点，但在大数据平台里是常客。
Elasticsearch：搜索场景的利器
别看Elasticsearch常被当成搜索引擎，它本质上也是NoSQL数据库。比如你在一个论坛里搜“如何更换轮胎”，普通数据库只能模糊匹配标题或内容，而ES能分词、打分、高亮，还能按发布时间排序，体验好很多。
它底层用Lucene，数据以JSON文档形式存储，写入后立刻可查，适合日志分析、商品搜索这类需求。
比如查最近发布的相关帖子：
{
"query": {
"match": { "title": "更换轮胎" }
},
"sort": { "created_at": "desc" }
}配合Kibana还能出图表，运维查日志效率提升明显。
这些NoSQL数据库各有侧重，选哪个得看实际需求。数据结构变来变去，选MongoDB；追求速度，上Redis；写入压力大，考虑Cassandra；规模超大，看看HBase；要做搜索，Elasticsearch基本绕不开。没有万能的工具，只有合不合适的问题。