20世纪70年代初，Codd发表了著名的论文 A Relational Mode of Data for Large Shared Data Banks ，开启了关系数据库时代，关系模型用二维表的方式来存储数据和数据之间的关系，完善了关系代数理论，产生了一批关系数据库管理系统产品，使关系数据库应用于各行各业的数据处理过程中，为 OLTP 提供了数据处理平台。关系数据库以事务为调度单位，并提供了并发控制和灾难恢复的技术。

其特点是，数据结构化、数据的共享性高、冗余度低、易扩充、数据独立性高，数据由数据库管理系统统一管理和控制等。其优点是，容易理解，二维表结构是非常贴近逻辑世界的一个概念，使用方便，易于维护，支持复杂查询。

其缺点是，不擅长大量数据的写入处理、表结构变更、字段不固定时的应用和对简单查询需要快速返回结果的处理的应用。

网络计算、云计算提供了网络环境下数据的透明存储和处理，存储价格下降和容量的巨大提升，互联网应用的发展，数据之间的关系越来越复杂，关系的表达越来越丰富，太空探索、生物工程、基因工程等科学研究的数据处理等，都使收集到的数据越来越庞大，数据类型越来越多样，生成速度越来越快，需要更快的处理能力。关系数据库面临如下挑战。

（1）数据库高并发读/写需求

在关系数据库上进行大规模的事务处理，要解决读、写操作的性能问题，网络环境下数据的分布存储和分布处理的快速响应问题，高速有效保证数据的持久性和可靠性等。要通过大量结点的并行操作实现大规模数据的高效处理，面临着海量数据的处理方法、存储模式、交互通信、智能分析等问题。

（2）海量数据的高效存储和处理

在互联网环境下，各种应用层出不穷，任何一个互联网的用户都是信息的提供者和使用者，他们根据兴趣或为满足需求在网上提供相关的生活、学习、交友等多种多样的且非常庞大的信息，每天产生千万级的图、文、声、像、关系等各种类型的数据，用关系表不能表达，数据的查询耗时巨大。如果通过分库、分表等方法切分数据，就会加重程序开发和数据备份、数据库扩容的复杂度等。

（3）数据库高扩展性和高可用性需求

云计算是通过互联网访问、可定制的IT资源共享池，按需付费的模式使用网络、服务器、存储、应用、服务等的计算环境。核心理念是按需服务，存储交由云端。云计算供应商需面对存储海量数据的挑战。在高性能、高可靠性的机器上用传统的关系数据库管理系统，要保证存储的海量性和高可用性，会涉及硬件和软件的大量投资。

（4）数据库在大数据处理方面的要求

大数据就是海量数据+复杂计算，面对规模巨大、高速产生、形式多样的数据，我们只有通过复杂计算才能获取其中有价值的信息。大数据的5V特征：超量（Volume），表示规模巨大；高速（Velocity），表示数据产生的速度快并且有时效性，如各种物联网每天产生的数据、每天交通流量的数据等；异构（Variety），表明数据形式多样，包括图、文、声、像、非结构或半结构化的数据；真实（Veracity），说明这些数据都来自实际的生产和生活环境；价值（Value），代表这些数据中隐藏了巨大的信息价值。