MongoDB
Scalabilità: Altamente disponibile e coerente ma fa schifo nelle relazioni e in molte scritture distribuite. Il suo vantaggio principale è l'archiviazione e l'indicizzazione di documenti senza schema. La dimensione del documento è limitata a 4 MB e l'indicizzazione ha senso solo per una profondità limitata. Vedi http://www.paperplanes.de/2010/2/25/ note_su_mongodb.html
Più adatto per: Strutture ad albero con profondità limitata
Casi d'uso: Diverse gerarchie di tipi, sistematica biologica, cataloghi di biblioteche
Neo4j
Scalabilità: Altamente disponibile ma non distribuito. Potente framework di attraversamento per attraversamenti ad alta velocità nello spazio dei nodi. Limitato a grafici intorno a diversi miliardi di nodi/relazioni. Vedi http://highscalability.com/neo4j-graph-database-kicks-buttox
Più adatto per: Grafici profondi con profondità illimitata e connessioni cicliche ponderate
Casi d'uso: Social Network, Analisi topologica, Dati del Semantic Web, Inferenza
HBase
Scalabilità: Archiviazione affidabile e coerente nei petabyte e oltre. Supporta un numero molto elevato di oggetti con un insieme limitato di attributi sparsi. Funziona in tandem con Hadoop per lavori di elaborazione dati di grandi dimensioni. http://www.ibm.com/developerworks/opensource /libreria/os-hbase/index.html
Più adatto per: grafici diretti, aciclici
Casi d'uso: Analisi dei log, dati del Web semantico, Machine Learning
