在数据库技术发展的历程中，关系型数据库（RDBMS）始终占据着核心地位。尽管21世纪以来，非关系型数据库（NoSQL）如Redis、MongoDB、Neo4j乃至新兴的向量数据库层出不穷，但它们或沦为特定场景的专用工具，或逐渐向关系型模型靠拢。
1.关系型数据库和SQL标准化
关系型数据库的统治地位并非偶然，而是源于其坚实的理论基础与高度标准化的交互语言。
1970年，埃德加·科德提出关系模型，首次将数据组织抽象为“关系”（即表），并以集合论和谓词逻辑为基础，奠定了现代数据库的理论根基。它清晰地将数据的逻辑结构（用户看到的表格）与物理存储（数据在磁盘上的存放方式）分离开来，冲击了结构复杂，查询困难的层次模型和网状数据库，大大降低了数据库使用的难度。
1986年：美国国家标准协会（ANSI）正式将SQL采纳为关系数据库管理系统的标准语言（ANSI X3.135-1986），次年国际标准化组织（ISO）也跟进采纳。这一标准化进程使得SQL成为跨平台、跨厂商的通用语言。随后Oracle、MySQL等商业与开源数据库纷纷实现SQL标准。同一时期由华中科技大学的数据库研究团队（达梦前身）开发出了我国第一个拥有的自主版权的数据库管理系统原型 CRDS，关系型数据库形成了强大的生态网络 。
相比之下，非关系型数据库在语言层面长期处于“各自为政”的状态。
2.NoSQL的兴起与发展
2005年后，随着互联网和大数据的兴起，传统关系型数据库在扩展性和灵活性方面面临挑战，NoSQL开始兴起。然而，近二十年的发展轨迹清晰地表明：NoSQL并未颠覆关系型数据库，反而在实践中不断向其靠拢。

• 键值存储（如Redis）：以极简的键值模型实现高性能读写，适用于缓存、会话等场景。但其缺乏复杂查询和事务支持，难以支撑核心业务。在实际业务中，开发者往往需自行构建上层逻辑，增加了复杂度。
• 文档数据库（如MongoDB）：早期以“无模式”“无事务”为卖点，但很快发现这限制了其在金融、电商等强一致性场景的应用。
• 图数据库（如Neo4j）：在社交网络、路径规划等图结构场景中表现优异。但其查询语言Cypher生态较为封闭（现已符合GQL标注），且在大规模数据导入、复杂事务处理上存在稳定性和性能问题，在存储空间占用上也比关系型数据库大很多。后续很多研究表明，基于多表和外键的关系型数据库实现的图数据库在数据导入、简单查询上的性能丝毫不逊于Neo4j。部分开发者也提到直接选择绕过Cypher，直接使用其Java嵌入式API进行细粒度操作——这本质上是将Neo4j当作一个持久化图存储，而非完整数据库。
• 向量数据库：作为AI时代的新兴产物，专为高维向量相似性搜索设计。然而，其核心功能——向量类型、索引与检索——正被主流关系型数据库快速吸收。2023–2024年，PostgreSQL通过pgvector扩展、MySQL 9.0原生支持向量类型、Oracle和ClickHouse也纷纷加入向量能力。这意味着，向量搜索正从“专用数据库”转变为“关系型数据库的一个扩展功能”。

3.以DM8为例的关系型数据库不断进步
在中国数据库国产化浪潮中，达梦数据库持续进步，不断发展。DM8是达梦公司完全自主研发的新一代高性能关系型数据库，不仅兼容Oracle语法，支持无缝迁移，还融合了分布式、弹性计算与云计算等现代架构，技术亮点包括：行列融合存储技术，支持混合负载，一套系统上同时支撑 OLAP 和 OLTP 业务场景；采用透明分布式架构，在保持SQL兼容性的同时实现横向扩展。
据IDC报告，达梦在中国国产关系型数据库市场占有率位列前茅，并在电力、金融、政务等关键领域广泛应用。与此同时，PostgreSQL与MySQL也在全球范围内持续进化。PostgreSQL凭借其强大的扩展性支持了JSON、GIS、向量等数据类型；MySQL则通过9.0版本引入向量支持，继续巩固其在Web应用中的主流地位。