自1970年，埃德加·科德提出关系模型之后，关系数据库便开始出现，经过了40多年的演化，如今的关系型数据库具备了强大的存储、维护、查询数据的能力。但在关系数据库日益强大的时候，人们发现，在这个信息爆炸的“大数据”时代，关系型数据库遇到了性能方面的瓶颈，面对一个表中上亿条的数据，SQL 语句在大数据的查询方面效率欠佳。我们应该知道，往往添加了越多的约束的技术，在一定程度上定会拖延其效率。
在1998年，Carlo Strozzi提出NOSQL 的概念，指的是他开发的一个没有SQL 功能，轻量级的，开源的关系型数据库。注意，这个定义跟我们现在对NoSQL 的定义有很大的区别，它确确实实字如其名，指的就是“没有SQL”的数据库。但是NoSQL 的发展慢慢偏离了初衷，CarloStrozzi 也发觉，其实我们要的不是"nosql" ，而应该是"norelational" ，也就是我们现在常说的非关系型数据库了。
在关系型数据库中，导致性能欠佳的最主要因素是多表的关联查询，以及复杂的数据分析类型的复杂SQL 报表查询。为了保证数据库的ACID 特性，我们必须尽量按照其要求的范式进行设计，关系型数据库中的表都是存储一些格式化的数据结构，每个元组字段的组成都一样，即使不是每个元组都需要所有的字段，但数据库会为每个元组分配所有的字段，这样的结构可以便于表与表之间进行连接等操作，但从另一个角度来说它也是关系型数据库性能瓶颈的一个因素。
非关系型数据库提出另一种理念，他以键值对存储，且结构不固定，每一个元组可以有不一样的字段，每个元组可以根据需要增加一些自己的键值对，这样就不会局限于固定的结构，可以减少一些时间和空间的开销。使用这种方式，用户可以根据需要去添加自己需要的字段，这样，为了获取用户的不同信息，不需要像关系型数据库中，要对多表进行关联查询。仅需要根据id 取出相应的value 就可以完成查询。但非关系型数据库由于很少的约束，他也不能够提供想SQL 所提供的where 这种对于字段属性值情况的查询。并且难以体现设计的完整性。他只适合存储一些较为简单的数据，对于需要进行较复杂查询的数据，SQL 数据库显得更为合适。
目前出现的NoSQL(Not only SQL，非关系型数据库) 有不下于25种，除了Dynamo 、Bigtable 以外还有很多，比如Amazon 的SimpleDB 、微软公司的AzureTable 、Facebook 使用的Cassandra 、类Bigtable 的Hypertable 、Hadoop 的HBase 、MongoDB 、CouchDB 、Redis 以及Yahoo! 的PNUTS 等等。这些NoSQL 各有特色，是基于不同应用场景而开发的，而其中以MongoDB 和Redis 最为被大家追捧。
以下是MongoDB 的一些情况：
MongoDB 是基于文档的存储的（而非表），是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，是类似json 的bjson 格式，因此可以存储比较复杂的数据类型。模式自由(schema-free)，意味着对于存储在MongoDB 数据库中的文件，我们不需要知道它的任何结构定义。如果需要的话，你完全可以把不同结构的文件存储在同一个数据库里。Mongo 最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数
据库单表查询的绝大部分功能，而且还支持对数据建立索引。
Mongo 主要解决的是海量数据的访问效率问题。因为Mongo 主要是支持海量数据存储的，所以Mongo 还自带了一个出色的分布式文件系统GridFS ，可以支持海量的数据存储。由于Mongo 可以支持复杂的数据结构，而且带有强大的数据查询功能，因此非常受到欢迎。
自1970年，埃德加·科德提出关系模型之后，关系数据库便开始出现，经过了40多年的演化，如今的关系型数据库具备了强大的存储、维护、查询数据的能力。但在关系数据库日益强大的时候，人们发现，在这个信息爆炸的“大数据”时代，关系型数据库遇到了性能方面的瓶颈，面对一个表中上亿条的数据，SQL 语句在大数据的查询方面效率欠佳。我们应该知道，往往添加了越多的约束的技术，在一定程度上定会拖延其效率。
在1998年，Carlo Strozzi提出NOSQL 的概念，指的是他开发的一个没有SQL 功能，轻量级的，开源的关系型数据库。注意，这个定义跟我们现在对NoSQL 的定义有很大的区别，它确确实实字如其名，指的就是“没有SQL”的数据库。但是NoSQL 的发展慢慢偏离了初衷，CarloStrozzi 也发觉，其实我们要的不是"nosql" ，而应该是"norelational" ，也就是我们现在常说的非关系型数据库了。
在关系型数据库中，导致性能欠佳的最主要因素是多表的关联查询，以及复杂的数据分析类型的复杂SQL 报表查询。为了保证数据库的ACID 特性，我们必须尽量按照其要求的范式进行设计，关系型数据库中的表都是存储一些格式化的数据结构，每个元组字段的组成都一样，即使不是每个元组都需要所有的字段，但数据库会为每个元组分配所有的字段，这样的结构可以便于表与表之间进行连接等操作，但从另一个角度来说它也是关系型数据库性能瓶颈的一个因素。
非关系型数据库提出另一种理念，他以键值对存储，且结构不固定，每一个元组可以有不一样的字段，每个元组可以根据需要增加一些自己的键值对，这样就不会局限于固定的结构，可以减少一些时间和空间的开销。使用这种方式，用户可以根据需要去添加自己需要的字段，这样，为了获取用户的不同信息，不需要像关系型数据库中，要对多表进行关联查询。仅需要根据id 取出相应的value 就可以完成查询。但非关系型数据库由于很少的约束，他也不能够提供想SQL 所提供的where 这种对于字段属性值情况的查询。并且难以体现设计的完整性。他只适合存储一些较为简单的数据，对于需要进行较复杂查询的数据，SQL 数据库显得更为合适。
目前出现的NoSQL(Not only SQL，非关系型数据库) 有不下于25种，除了Dynamo 、Bigtable 以外还有很多，比如Amazon 的SimpleDB 、微软公司的AzureTable 、Facebook 使用的Cassandra 、类Bigtable 的Hypertable 、Hadoop 的HBase 、MongoDB 、CouchDB 、Redis 以及Yahoo! 的PNUTS 等等。这些NoSQL 各有特色，是基于不同应用场景而开发的，而其中以MongoDB 和Redis 最为被大家追捧。
以下是MongoDB 的一些情况：
MongoDB 是基于文档的存储的（而非表），是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，是类似json 的bjson 格式，因此可以存储比较复杂的数据类型。模式自由(schema-free)，意味着对于存储在MongoDB 数据库中的文件，我们不需要知道它的任何结构定义。如果需要的话，你完全可以把不同结构的文件存储在同一个数据库里。Mongo 最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数
据库单表查询的绝大部分功能，而且还支持对数据建立索引。
Mongo 主要解决的是海量数据的访问效率问题。因为Mongo 主要是支持海量数据存储的，所以Mongo 还自带了一个出色的分布式文件系统GridFS ，可以支持海量的数据存储。由于Mongo 可以支持复杂的数据结构，而且带有强大的数据查询功能，因此非常受到欢迎。