- 列存储（HBase）
以前的数据库产品大多基于行存储的模式，即下一个存储对象是同条记录的下一个属性。
但在大数据处理中，我们往往关心的是某一个属性的特征，如果以传统的行存储数据处理，数据的访问开销较大。据报道，在大数据应用中列存储产品比行存储产品快50-100倍，更有利于提高数据的压缩比（同类数据存储在一起利于提高数据的相关性，便于实现高效的压缩算法）
- key-value存储（memcached，redis）
kv存储数据库是一种NoSql数据库，其数据按照key-value的方式进行组织，索引和存储，适合低耦合的数据，能有效的减少读次数，比传统关系数据库拥有更好的读写性能。Key由行关键字，列关键字，时间戳（为了数据的一致性，过期数据将被回收）构成。
- 文档存储（MongoDB，CouchDB）
文档存储不需要定义表结构，适合存储非结构化数据。
- 图存储
基于图论构建，节点代表存储实体，属性保存节点相关信息，边保存实体间的信息。适合存储庞大的复杂的数据模型（人的关系网）
- 分布式文件存储系统
在数据量爆炸增长的情况下，单机无论从存储和计算能力上都不能满足生活生产需求，分布式文件系统不仅摆脱了硬件设备的限制，同时可扩展性能强，能够快速响应用户需求变化。
- 分布式内存文件存储Tachyon
随着内存成本的降低，容量的增大，使得数据存在内存中成了可能，大量的基于内存的计算框架被开发出来，其中Spark就是优秀的基于内存的计算框架，但仍有GC开销大，缓存数据丢失等限制，而Tachyon的出现解决了内存冗余和基于JVM内存计算框架的GC时间。
