دیتابیس‌ها بر اساس نوع داده و مدل ذخیره‌سازی به سه دسته SQL (رابطه‌ای)، NoSQL (غیررابطه‌ای) و Time Series (سری‌های زمانی) تقسیم می‌شوند. هر یک از این پایگاه‌های داده برای کاربردهای خاصی طراحی شده‌اند و ویژگی‌های متفاوتی دارند
SQL (رابطه‌ای - Relational Database)
این دیتابیس‌ها بر اساس جداول (Tables) سازمان‌دهی شده‌اند و دارای ساختار مشخص (Schema) هستند. داده‌ها در ردیف‌ها و ستون‌ها ذخیره می‌شوند و ارتباط بین جداول از طریق کلیدهای اولیه (Primary Keys) و کلیدهای خارجی (Foreign Keys) تعریف می‌شود
ویژگی‌های اصلی SQL
ساختارمند (Structured) - داده‌ها در جداول با یک طرح مشخص (Schema) ذخیره می‌شوند
استفاده از SQL (Structured Query Language) - برای خواندن، نوشتن، و به‌روزرسانی داده‌ها از زبان SQL استفاده می‌شود
ACID Transactions - عملیات در این دیتابیس‌ها از Atomicity, Consistency, Isolation, Durability (ACID) پشتیبانی می‌کند که باعث حفظ یکپارچگی داده‌ها می‌شود
مقیاس‌پذیری عمودی - معمولاً SQL به جای مقیاس‌پذیری افقی، از افزایش منابع سخت‌افزاری سرور برای پردازش بهتر داده‌ها استفاده می‌کند
مثال‌هایی از SQL Database: PostgreSQL, MySQL, SQL Server, Oracle
NoSQL (غیررابطه‌ای - Non-Relational Database)
این دیتابیس‌ها برای داده‌های غیرساختاریافته یا نیمه‌ساختاریافته طراحی شده‌اند و نیازی به طرح (Schema) از پیش تعیین‌شده ندارند. انواع مختلفی از NoSQL وجود دارد که شامل مبتنی بر سند (Document-based)، کلید-مقدار (Key-Value Stores)، ستونی گسترده (Wide-Column Stores) و گراف (Graph Databases) می‌شود
ویژگی‌های اصلی NoSQL
انعطاف‌پذیری بالا - نیازی به طرح مشخص از پیش ندارد و داده‌ها می‌توانند به‌راحتی تغییر کنند
قابلیت مقیاس‌پذیری افقی - به‌جای افزایش منابع سخت‌افزاری سرور، می‌توان با افزودن سرورهای بیشتر، ظرفیت سیستم را افزایش داد
مناسب برای داده‌های بزرگ (Big Data) - برای مدیریت حجم بالای داده‌های غیرساختاریافته طراحی شده است
عدم پشتیبانی از ACID در بسیاری از موارد - معمولاً از مدل‌های نهایی-سازگار (Eventually Consistent) برای کارایی بیشتر استفاده می‌کند
مثال‌هایی از NoSQL Database: MongoDB (مبتنی بر سند)، Redis (کلید-مقدار)، Cassandra (ستونی گسترده)، Neo4j (گراف)
Time Series Database (دیتابیس سری‌های زمانی)
این نوع دیتابیس‌ها برای ذخیره‌سازی، پردازش و تحلیل داده‌هایی که وابسته به زمان هستند طراحی شده‌اند. هر داده در این سیستم‌ها دارای یک برچسب زمانی (Timestamp) است و داده‌ها به‌صورت پیوسته و بر اساس زمان ذخیره می‌شوند. این نوع دیتابیس برای مانیتورینگ سیستم‌ها، اینترنت اشیا (IoT)، پردازش داده‌های مالی و تحلیل داده‌های حسگرها مناسب است
ویژگی‌های اصلی Time Series Database
بهینه برای داده‌های وابسته به زمان - داده‌ها به‌صورت پیوسته و بر اساس زمان پردازش می‌شوند
پشتیبانی از تجمیع داده‌ها - امکان اجرای عملیات Aggregation برای پردازش داده‌ها بر اساس بازه‌های زمانی مختلف وجود دارد
مجهز به Retention Policies - می‌توان داده‌های قدیمی را به‌صورت خودکار حذف یا آرشیو کرد
مقیاس‌پذیری بالا - معمولاً بهینه‌شده برای پردازش حجم زیادی از داده‌های ورودی در زمان واقعی (Real-time) است
مثال‌هایی از Time Series Database: InfluxDB, Prometheus, TimescaleDB
مقایسه کلی بین SQL، NoSQL و Time Series Database
| ویژگی | SQL | NoSQL | Time Series |
|---|---|---|---|
| ساختار داده | رابطه‌ای (جداول) | غیررابطه‌ای (سند، کلید-مقدار، گراف) | مبتنی بر زمان (Timestamp) |
| انعطاف‌پذیری در Schema | ثابت و از پیش تعریف‌شده | انعطاف‌پذیر و داینامیک | نیمه‌ساختاریافته با تمرکز بر زمان |
| زبان پرس‌وجو | SQL | NoSQL-specific (Mongo Query, CQL, Gremlin) | InfluxQL, PromQL, Timescale SQL |
| مقیاس‌پذیری | عمودی (افزایش قدرت سخت‌افزار) | افقی (افزودن سرورها) | افقی و بهینه برای داده‌های پیوسته |
| بهینه‌شده برای | تراکنش‌های پیچیده و رابطه‌ای | داده‌های حجیم و غیرساختاریافته | داده‌های سری‌زمانی و وابسته به زمان |
SQL برای داده‌های ساختاریافته و تراکنش‌های پیچیده مناسب است، NoSQL برای داده‌های حجیم و بدون ساختار ثابت کاربرد دارد، و Time Series Database برای داده‌هایی که بر اساس زمان تغییر می‌کنند بهترین انتخاب است