行式存储
在关系数据库中，数据以行和列的方式组织数据。关系数据库最显著的特点就是SQL（结构化查询语言）和事务处理（ACID），典型的代表有MySQL，Oracle，DB2等。在关系数据库中，一行数据代表数据模型的一种实例，数据与数据之间的关系通过外键等进行关联，因此非常适合存储关系型的数据，而数据在存储设备上一般按照行来组织。
在处理事务时，事务的ACID属性要求对数据的原子化操作，因为按行存储，一行记录的数据在存储设备上时紧挨着的，因此也就方便进行加锁（如果支持行级锁的话）。
从储存结构的特点可以看出，关系数据库在处理一条数据的全部信息（一行的所有列数据）非常方便，读取也非常快速。但在查询的时候，由于需要跳到多条记录进行查询，因此查询效率相对较低，尤其是在面对大数据量的复杂查询时候，会表现得有些力不从心。
列式存储
自从BigTable在海量数据存储和索引上取得显著效果之后，列式数据库开始取得广泛关注，催生了诸如HBase等众多列式存储的数据库。
与行式存储不同，列式数据库在数据存储上，采取一列存在一起，也就是说，先存完一列数据，再存下一列。数据按列存储，同一列的数据类型相同，并且还有很多取值相近的值，在这个特点下就取得了一些显著优势：
首先，数据查询快。由于一列的数据存储在一起，在查询是能够快速定位和读取所需的数据。相比于关系型数据库需要读取多个行，明显加快了效率。尤其是在使用聚合、过滤、排序等场景时非常高效。这也将它指向了OLAP领域。
其次，便于数据压缩。同列数据类型相同，可以使用很多高效压缩算法进一步节约空间，也进一步让查询和读取更加高效。比如最为常见的游程编码（Run-Length Encoding，RLE）和字典编码（Dictionary Encoding）等方法。
第三，列式数据库一般支持向量化处理，这就可以在一次操作中处理多个值，这让它在大数据和人工智能时代具有非常光明的未来。
同时，按列存储，也会带来一些不便：
首先，在数据的插入、删除、更新等，列式存储需要修改更多的位置。
其次，由于前一条的限制，事务的支持一般都不是很好。
第三，由于每一列都要单独的去在存储设备上找位置，查询多个列的效率不高，而这正是行式存储的优势。
键值存储
顾名思义，键值存储就是基于键值对的结构来存储数据，“键”是唯一的标识符，“值”可以是简单的数据项或更复杂的数据结构。键值存储的主要优势在于其高速读写性能和出色的可扩展性，这使得它们非常适合处理大量的并发请求。典型的代表就是Redis、Memchached等众多用于缓存的中间件。
键值存储只关注键的添加、查询、修改和删除，无需复杂的查询语言。使用非常简单和灵活。但同时，基于键，灵活性相对也存在不足。
其它
除此之外，还有很多其它类型的存储，比如针对时序的时序数据库、专注处理高维度数值向量的向量数据库、处理图连接的图数据库，以及文档数据库（如搜索构建）等。
如何选择
每种存储都有解决的独特问题，也有自己的软肋，因此要充分结合自身的业务场景进行分析，从而做出最合适的选择。
DB-Engines Ranking是DBMS流行度的排名，截止2024年12月排名如下：
