Ⅰ 药智数据可以查询药品注册与受理数据库吗
500错误。
你在成功发送插入请求后，服务器发生不可预期的错误.
你可以检查一下你的插入sql语句，把它打印出来，然后拷贝到数据库里直接运行，看能不能运行成功
Ⅱ Neo4j类似的软件有哪些
GraphScope、NetworkX、JanusGraph、TigerGraph、Dgraph这些都是，比如GraphScope的代码可以在GitHub上面查看，它是阿里达摩院研发的一站式图计算系统，应该还是比较权威。
Ⅲ 大数据培训需要多长时间难不难学
大数据开发0基础要学得久一些，一般要达到大数据开发初级工程师的水平至少要6个月以上，以下介绍的课程主要针对零基础大数据工程师每个阶段进行通俗易懂简易介绍，方面大家更好的了解大数据学习课程。课程框架是科多大数据的零基础大数据工程师课程。
一、 第一阶段：静态网页基础(HTML+CSS)
1. 难易程度：一颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：html常用标签、CSS常见布局、样式、定位等、静态页面的设计制作方式等
4. 描述如下：
从技术层面来说，该阶段使用的技术代码很简单、易于学习、方便理解。从后期课程层来说，因为我们重点是大数据，但前期需要锻炼编程技术与思维。经过我们多年开发和授课的项目经理分析，满足这两点，目前市场上最好理解和掌握的技术是J2EE，但J2EE又离不开页面技术。所以第一阶段我们的重点是页面技术。采用市场上主流的HTMl+CSS。
二、 第二阶段：JavaSE+JavaWeb
1. 难易程度：两颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：java基础语法、java面向对象(类、对象、封装、继承、多态、抽象类、接口、常见类、内部类、常见修饰符等)、异常、集合、文件、IO、MYSQL(基本SQL语句操作、多表查询、子查询、存储过程、事务、分布式事务)JDBC、线程、反射、Socket编程、枚举、泛型、设计模式
4. 描述如下：
称为Java基础，由浅入深的技术点、真实商业项目模块分析、多种存储方式的设计
与实现。该阶段是前四个阶段最最重要的阶段，因为后面所有阶段的都要基于此阶段，也是学习大数据紧密度最高的阶段。本阶段将第一次接触团队开发、产出具有前后台(第一阶段技术+第二阶段的技术综合应用)的真实项目。
三、 第三阶段：前端框架
1. 难易程序：两星
2. 课时量(技术知识点+阶段项目任务+综合能力)：64课时
3. 主要技术包括：Java、Jquery、注解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui
4. 描述如下：
前两个阶段的基础上化静为动，可以实现让我们网页内容更加的丰富，当然如果从市场人员层面来说，有专业的前端设计人员，我们设计本阶段的目标在于前端的技术可以更直观的锻炼人的思维和设计能力。同时我们也将第二阶段的高级特性融入到本阶段。使学习者更上一层楼。
四、 第四阶段：企业级开发框架
1. 难易程序：三颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：Hibernate、Spring、SpringMVC、log4j slf4j 整合、myBatis、struts2、Shiro、redis、流程引擎activity， 爬虫技术nutch,lucene，webServiceCXF、Tomcat集群和热备、MySQL读写分离
4. 描述如下：
如果将整个JAVA课程比作一个糕点店，那前面三个阶段可以做出一个武大郎烧饼(因为是纯手工-太麻烦)，而学习框架是可以开一个星巴克(高科技设备-省时省力)。从J2EE开发工程师的任职要求来说，该阶段所用到的技术是必须掌握，而我们所授的课程是高于市场(市场上主流三大框架，我们进行七大框架技术传授)、而且有真实的商业项目驱动。需求文档、概要设计、详细设计、源码测试、部署、安装手册等都会进行讲解。
五、 第五阶段： 初识大数据
1. 难易程度：三颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：大数据前篇(什么是大数据，应用场景，如何学习大数据库，虚拟机概念和安装等)、Linux常见命令(文件管理、系统管理、磁盘管理)、Linux Shell编程(SHELL变量、循环控制、应用)、Hadoop入门(Hadoop组成、单机版环境、目录结构、HDFS界面、MR界面、简单的SHELL、java访问hadoop)、HDFS(简介、SHELL、IDEA开发工具使用、全分布式集群搭建)、MapRece应用(中间计算过程、Java操作MapRece、程序运行、日志监控)、Hadoop高级应用(YARN框架介绍、配置项与优化、CDH简介、环境搭建)、扩展(MAP 端优化，COMBINER 使用方法见,TOP K,SQOOP导出,其它虚拟机VM的快照,权限管理命令,AWK 与 SED命令)
4. 描述如下：
该阶段设计是为了让新人能够对大数据有一个相对的大概念怎么相对呢?在前置课程JAVA的学习过后能够理解程序在单机的电脑上是如何运行的。现在，大数据呢?大数据是将程序运行在大规模机器的集群中处理。大数据当然是要处理数据，所以同样，数据的存储从单机存储变为多机器大规模的集群存储。
(你问我什么是集群?好，我有一大锅饭，我一个人可以吃完，但是要很久，现在我叫大家一起吃。一个人的时候叫人，人多了呢? 是不是叫人群啊!)
那么大数据可以初略的分为： 大数据存储和大数据处理所以在这个阶段中呢，我们课程设计了大数据的标准：HADOOP大数据的运行呢并不是在咋们经常使用的WINDOWS 7或者W10上面，而是现在使用最广泛的系统：LINUX。
六、 第六阶段：大数据数据库
1. 难易程度：四颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：Hive入门(Hive简介、Hive使用场景、环境搭建、架构说明、工作机制)、Hive Shell编程(建表、查询语句、分区与分桶、索引管理和视图)、Hive高级应用(DISTINCT实现、groupby、join、sql转化原理、java编程、配置和优化)、hbase入门、Hbase SHELL编程(DDL、DML、Java操作建表、查询、压缩、过滤器)、细说Hbase模块(REGION、HREGION SERVER、HMASTER、ZOOKEEPER简介、ZOOKEEPER配置、Hbase与Zookeeper集成)、HBASE高级特性(读写流程、数据模型、模式设计读写热点、优化与配置)
4. 描述如下：
该阶段设计是为了让大家在理解大数据如何处理大规模的数据的同时。简化咋们的编写程序时间，同时提高读取速度。
怎么简化呢?在第一阶段中，如果需要进行复杂的业务关联与数据挖掘，自行编写MR程序是非常繁杂的。所以在这一阶段中我们引入了HIVE，大数据中的数据仓库。这里有一个关键字，数据仓库。我知道你要问我，所以我先说，数据仓库呢用来做数据挖掘分析的，通常是一个超大的数据中心，存储这些数据的呢，一般为ORACLE,DB2,等大型数据库，这些数据库通常用作实时的在线业务。
总之，要基于数据仓库分析数据呢速度是相对较慢的。但是方便在于只要熟悉SQL，学习起来相对简单，而HIVE呢就是这样一种工具，基于大数据的SQL查询工具，这一阶段呢还包括HBASE，它为大数据里面的数据库。纳闷了，不是学了一种叫做HIVE的数据“仓库”了么?HIVE是基于MR的所以查询起来相当慢，HBASE呢基于大数据可以做到实时的数据查询。一个主分析，另一个主查询
七、 第七阶段：实时数据采集
1. 难易程序：四颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：Flume日志采集，KAFKA入门(消息队列、应用场景、集群搭建)、KAFKA详解(分区、主题、接受者、发送者、与ZOOKEEPER集成、Shell开发、Shell调试)、KAFKA高级使用(java开发、主要配置、优化项目)、数据可视化(图形与图表介绍、CHARTS工具分类、柱状图与饼图、3D图与地图)、STORM入门(设计思想、应用场景、处理过程、集群安装)、STROM开发(STROM MVN开发、编写STORM本地程序)、STORM进阶(java开发、主要配置、优化项目)、KAFKA异步发送与批量发送时效，KAFKA全局消息有序，STORM多并发优化
4. 描述如下：
前面的阶段数据来源是基于已经存在的大规模数据集来做的，数据处理与分析过后的结果是存在一定延时的，通常处理的数据为前一天的数据。
举例场景：网站防盗链，客户账户异常，实时征信，遇到这些场景基于前一天的数据分析出来过后呢?是否太晚了。所以在本阶段中我们引入了实时的数据采集与分析。主要包括了：FLUME实时数据采集，采集的来源支持非常广泛，KAFKA数据数据接收与发送，STORM实时数据处理，数据处理秒级别
八、 第八阶段：SPARK数据分析
1. 难易程序：五颗星
2. 课时量(技术知识点+阶段项目任务+综合能力)
3. 主要技术包括：SCALA入门(数据类型、运算符、控制语句、基础函数)、SCALA进阶(数据结构、类、对象、特质、模式匹配、正则表达式)、SCALA高级使用(高阶函数、科里函数、偏函数、尾迭代、自带高阶函数等)、SPARK入门(环境搭建、基础结构、运行模式)、Spark数据集与编程模型、SPARK SQL、SPARK 进阶(DATA FRAME、DATASET、SPARK STREAMING原理、SPARK STREAMING支持源、集成KAFKA与SOCKET、编程模型)、SPARK高级编程(Spark-GraphX、Spark-Mllib机器学习)、SPARK高级应用(系统架构、主要配置和性能优化、故障与阶段恢复)、SPARK ML KMEANS算法，SCALA 隐式转化高级特性
4. 描述如下：
同样先说前面的阶段，主要是第一阶段。HADOOP呢在分析速度上基于MR的大规模数据集相对来说还是挺慢的，包括机器学习，人工智能等。而且不适合做迭代计算。SPARK呢在分析上是作为MR的替代产品，怎么替代呢? 先说他们的运行机制，HADOOP基于磁盘存储分析，而SPARK基于内存分析。我这么说你可能不懂，再形象一点，就像你要坐火车从北京到上海，MR就是绿皮火车，而SPARK是高铁或者磁悬浮。而SPARK呢是基于SCALA语言开发的，当然对SCALA支持最好，所以课程中先学习SCALA开发语言。
在科多大数据课程的设计方面，市面上的职位要求技术，基本全覆盖。而且并不是单纯的为了覆盖职位要求，而是本身课程从前到后就是一个完整的大数据项目流程，一环扣一环。
比如从历史数据的存储，分析(HADOOP,HIVE,HBASE)，到实时的数据存储(FLUME,KAFKA)，分析(STORM,SPARK)，这些在真实的项目中都是相互依赖存在的。
Ⅳ 知识图谱可以用python构建吗
知识图谱可以用python构建吗？
答案当然是可以的！！！
那么如何使用python构建
什么是知识图谱
从Google搜索，到聊天机器人、金融风控、物联网场景、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。
互联网的终极形态是万物的互联，而搜索的终极目标是对万物的直接搜索。传统搜索引擎依靠网页之间的超链接实现网页的搜索，而语义搜索是直接对事物进行搜索，如人物、机构、地点等。这些事物可能来自文本、图片、视频、音频、IoT设备等各种信息资源。而知识图谱和语义技术提供了关于这些事物的分类、属性和关系的描述，使得搜索引擎可以直接对事物进行索引和搜索。
知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度，我们可以对知识图谱给一个这样的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。但这有点抽象，所以换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。
那什么叫多关系图呢？ 学过数据结构的都应该知道什么是图（Graph）。图是由节点（Vertex）和边（Edge）来构成，但这些图通常只包含一种类型的节点和边。但相反，多关系图一般包含多种类型的节点和多种类型的边。
本项目利用pandas将excel中数据抽取，以三元组形式加载到neo4j数据库中构建相关知识图谱。
运行环境
基于Neo4j能够很容易构建知识图谱，除了用neo4j自带的cypher，也支持Python包py2neo创建节点和关系从而构建知识图谱。本项目是基于发票信息，将发票数据中结构化数据抽象成三元组，分别创建节点和关系从而构建成知识图谱。
具体包依赖可以参考文件requirements.txt
neo4j-driver==1.6.2numpy==1.15.3pandas==0.23.4parso==0.3.1pickleshare==0.7.5pluggy==0.8.0prompt-toolkit==1.0.15py==1.7.0py2neo==3Pygments==2.2.0pytest==3.9.3python-dateutil==2.7.5wcwidth==0.1.7wincertstore==0.2xlrd==1.1.0
将所需依赖安装到pyton中：pip install -r requirements.txt
Pandas抽取excel数据
python中pandas非常适用于数据分析与处理，可以将excel文件转换成dataframe格式，这种格式类似于Spark中的Dataframe结构，可以用类sql的形式对数据进行处理。
Excel数据结构如下
通过函数data_extraction和函数relation_extrantion分别抽取构建知识图谱所需要的节点数据以及联系数据，构建三元组。
数据提取主要采用pandas将excel数据转换成dataframe类型
invoice_neo4j.py
建立知识图谱所需节点和关系数据
DataToNeo4jClass.py
具体代码请移步到GitHub上下载
详细内容请到github下载，项目名neo4j-python-pandas-py2neo-v3
更多Python知识，请关注：Python自学网！！
Ⅳ ASP+Dreamweaver动态网站开发的目录
第1章 ASP网站开发概述 1
1.1 动态网页简介 1
1.1.1 什么是动态网页 1
1.1.2 动态网页的应用范围 2
1.1.3 常用动态网页技术 2
1.2 ASP概述 6
1.2.1 认识ASP 6
1.2.2 ASP的基本语法 7
1.2.3 ASP的开发工具 8
1.2.4 Dreamweaver对ASP的支持 9
1.3 配置ASP开发环境 10
1.3.1 IIS的安装与配置 10
1.3.2 建立Dreamweaver服务器
站点并进行测试 18
1.4 小结 22
第2章 Dreamweaver CS3基础 23
2.1 Dreamweaver CS3 23
2.1.1 Dreamweaver CS3的
工作环境 24
2.1.2 创建站点 29
2.2 文本和版面的控制 36
2.2.1 版面控制 36
2.2.2 网页的文本的输入和属性设置 40
2.2.3 网页其他元素的设置 43
2.2.4 创建“八荣八耻准则”
网页 45
2.3 图像和多媒体的使用 49
2.3.1 网页图片的插入和属性设置 49
2.3.2 创建“红楼梦人物介绍”网页 53
2.4 表格的应用 55
2.4.1 网页的页面布局 56
2.4.2 表格的基本操作 58
2.4.3 表格的其他视图 63
2.4.4 创建“金陵十二钗判词”网页 67
2.5 超级链接 68
2.5.1 超链接概述 68
2.5.2 创建“金陵十二钗图谱”网页 70
2.6 页面布局 73
2.6.1 AP Div的基本操作 74
2.6.2 创建“史湘云”网页 76
2.7 使用表单 77
2.7.1 表单概述 77
2.7.2 创建“红楼人物留言簿”网页 85
2.8 使用CSS样式 87
2.8.1 CSS样式概述 88
2.8.2 CSS样式面板的使用 90
2.8.3 创建“红楼人物栏目导航”网页 96
2.9 使用框架 98
2.9.1 框架的基本操作 98
2.9.2 创建“红楼人物主体”网页 103
2.10 综合实例 104
2.11 小结 106
第3章 ASP脚本语言 107
3.1 脚本语言概述 107
3.1.1 脚本语言简介 107
3.1.2 VBScript的基本格式 108
3.2 VBScript语法基础 109
3.2.1 数据类型 109
3.2.2 运算符 110
3.2.3 常量和变量 111
3.2.4 数组 114
3.2.5 If条件语句 117
3.2.6 Select条件语句 120
3.2.7 For ... Next循环语句 121
3.2.8 Do ... Loop循环语句 124
3.2.9 过程 126
3.2.10 定义函数 128
3.2.11 内部函数 129
3.3 综合实例 132
3.4 小结 133
第4章 Request/Response对象 134
4.1 对象简介 134
4.2 利用Request对象从客户端获取信息 134
4.2.1 Form集合 135
4.2.2 QueryString集合 140
4.2.3 Cookies集合 143
4.2.4 ServerVariables集合 148
4.2.5 ClientCertificate集合 150
4.2.6 Request综合实例 150
4.3 利用Response对象向客户端传输信息 155
4.3.1 Write方法 156
4.3.2 Redirect方法 158
4.3.3 Cookies集合 159
4.3.4 Response综合实例 160
4.4 小结 162
第5章 Application/Session对象 163
5.1 Application对象 163
5.1.1 Application属性 164
5.1.2 Application方法 164
5.1.3 Application应用实例1：
计数器 165
5.1.4 Application应用实例2：简单聊天室 167
5.2 Session对象 169
5.2.1 Session对象的常用属性和方法 170
5.2.2 Session应用实例1：利用Session存储信息 172
5.2.3 Session应用实例2：计数器 175
5.3 Global.asa文件 176
5.3.1 显示在线人数实例 177
5.3.2 知识要点 178
5.3.3 操作步骤 178
5.4 小结 179
第6章 Server对象 180
6.1 Server对象属性介绍 180
6.2 Server对象的方法 182
6.2.1 Execute方法 182
6.2.2 Transfer方法 185
6.2.3 MapPath方法 186
6.2.4 HTMLEncode方法 187
6.2.5 URLEncode方法 188
6.2.6 CreateObject方法 189
6.2.7 Server综合实例 189
6.3 小结 196
第7章 使用ADO访问数据库 197
7.1 Access数据库基本操作 197
7.1.1 Access数据库的基本概念 197
7.2.2 创建Access数据库实例 198
7.2 SQL基础 200
7.2.1 Select语句 201
7.2.2 Insert语句 204
7.2.3 Update更新数据 206
7.2.4 Delete语句 208
7.3 使用ADO访问数据库 208
7.3.1 ADO简介 208
7.3.2 Connection对象 211
7.3.3 Recordset对象 214
7.3.4 Command对象 228
7.4 小结 230
第8章 ASP常用内置组件 231
8.1 ASP的内置组件简介 231
8.2 文件存取组件 232
8.2.1 FileSystemObject对象 233
8.2.2 TextStream对象 236
8.2.3 应用实例 238
8.3 广告轮显组件 240
8.3.1 AdRotator对象的属性和方法 241
8.3.2 使用广告轮显组件的步骤 241
8.3.3 应用实例 242
8.4 浏览器兼容组件 245
8.4.1 browscap.ini文件 245
8.4.2 应用实例 246
8.5 文件超级链接组件 248
8.5.1 使用ContentLinking组件的步骤 248
8.5.2 应用实例 249
8.6 计数器组件 252
8.6.1 创建计数器组件的实例对象 252
8.6.2 Counters对象的方法 252
8.6.3 应用实例 253
8.7 小结 255
第9章 聊天室 256
9.1 聊天室系统分析与总体设计 256
9.1.1 聊天室功能介绍 256
9.1.2 总体布局 257
9.1.3 数据库结构及实现 257
9.2 模块设计 259
9.2.1 数据库连接设计 259
9.2.2 用户注册与登录 261
9.2.3 登录处理页面(main1.asp) 265
9.2.4 系统主页面(main.asp) 266
9.2.5 聊天者发言(add.asp) 267
9.2.6 退出登录(exit.asp) 270
9.2.7 显示聊天信息(content.asp) 271
9.2.8 显示在线用户(online.asp) 272
9.3 小结 273
第10章 论坛 274
10.1 系统分析与总体设计 274
10.1.1 功能介绍 274
10.1.2 总体布局 275
10.1.3 数据库结构及实现 276
10.2 模块设计 278
10.2.1 首页(index.asp)设计 278
10.2.2 发表帖子(add.asp) 283
10.2.3 浏览帖子和回复帖子 286
10.2.4 帖子搜索(search.asp) 291
10.2.5 论坛管理 293
10.3 小结 303
第11章 网上购物网站 304
11.1 系统分析与总体设计 304
11.1.1 功能介绍 304
11.1.2 总体布局 306
11.1.3 数据库结构及实现 307
11.2 前台用户模块设计 310
11.2.1 首页设计 310
11.2.2 商品信息浏览 313
11.2.3 搜索商品 317
11.2.4 添加到购物车 320
11.2.5 查看购物车 323
11.2.6 生成订单 326
11.2.7 查看订单 327
11.3 后台管理员模块设计 332
11.3.1 商品分类 332
11.3.2 添加商品信息 336
11.3.3 商品信息管理 340
11.3.4 订单管理 345
11.4 小结 348
第12章 新闻发布系统 349
12.1 系统分析与总体设计 349
12.1.1 功能介绍 349
12.1.2 总体布局 351
12.1.3 数据库结构及实现 351
12.2 模块设计与实现 353
12.2.1 新闻显示 353
12.2.2 新闻浏览 358
12.2.3 新闻搜索 362
12.2.4 新闻显示页面 364
12.2.5 新闻版块管理 366
12.2.6 新闻信息管理 370
12.3 小结 376
第13章 学生信息管理系统 377
13.1 系统分析与总体设计 377
13.1.1 功能介绍 377
13.1.2 总体布局 378
13.1.3 数据库结构及实现 378
13.2 模块设计 381
13.2.1 主页面设计(index.asp) 381
13.2.2 学生注册(student_reg.asp) 383
13.2.3 学生登录
(student_login.asp) 385
13.2.4 学生基本信息管理 386
13.2.5 教师登录
(teacher_login.asp) 396
13.2.6 教师基本信息管理 396
13.2.7 管理员教务管理 404
13.3 小结 410
第14章 在线测试系统 411
14.1 在线测试系统分析与总体设计 411
14.1.1 测试系统功能介绍 411
14.1.2 总体布局 412
14.1.3 数据库结构及实现 412
14.2 模块设计 415
14.2.1 数据库连接设计 415
14.2.2 系统首页 417
14.2.3 用户注册 417
14.2.4 用户登录 420
14.2.5 用户测试页面 422
14.2.6 成绩判定页面 426
14.2.7 保存成绩页面 428
14.2.8 用户成绩查询 429
14.2.9 教师登录 431
14.2.10 题库类别管理 432
14.2.11 题库管理 436
14.3 小结 442
……
Ⅵ 大数据分析的技术包括哪些
大数据技术，就是从各种类型的数据中快速获得有价值信息的技术。大数据领域已经涌现出了大量新的技术，它们成为大数据采集、存储、处理和呈现的有力武器。智能职涯（bigdata-job)总结了大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。
Ⅶ 怎样建立一个简单数据库
具体步骤如下：
1、首先打开我们的access程序，打开方法是单击开始——所有程序。
Ⅷ 想要见一个小分子代谢物质谱谱图数据库，谁能给些建议
你能够获得小分子代谢物质的谱图，是建立一个索引数据库的关键，我以前也建过数据库。如果自己不懂数据库编程（SQL），可找计算机专业的学生帮忙编写，不是很麻烦。几点建议：（1）数据库的用途，内部使用还是对外，这点很重要，关系到数据库的架构（2）物质谱图及性质是否完备，关系到数据库的大小（3）数据库的检索方式，关系到数据库的引用及检索
Ⅸ nosql数据库的几大类型
1. 键值数据库
相关产品：Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached
应用：内容缓存
优点：扩展性好、灵活性好、大量写操作时性能高
缺点：无法存储结构化信息、条件查询效率较低
使用者：网络云（Redis）、GitHub（Riak）、BestBuy（Riak）、Twitter（Ridis和Memcached）
2. 列族数据库
相关产品：BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS
应用：分布式数据存储与管理
优点：查找速度快、可扩展性强、容易进行分布式扩展、复杂性低
使用者：Ebay（Cassandra）、Instagram（Cassandra）、NASA（Cassandra）、Facebook（HBase）
3. 文档数据库
相关产品：MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit
应用：存储、索引并管理面向文档的数据或者类似的半结构化数据
优点：性能好、灵活性高、复杂性低、数据结构灵活
缺点：缺乏统一的查询语言
使用者：网络云数据库（MongoDB）、SAP（MongoDB）
4. 图形数据库
图形数据库-使用图作为数据模型来存储数据。
相关产品：Neo4J、OrientDB、InfoGrid、GraphDB
应用：大量复杂、互连接、低结构化的图结构场合，如社交网络、推荐系统等
优点：灵活性高、支持复杂的图形算法、可用于构建复杂的关系图谱
缺点：复杂性高、只能支持一定的数据规模
使用者：Adobe（Neo4J）、Cisco（Neo4J）、T-Mobile（Neo4J）