以下哪种数据库更适合存储人工智能训练产生的大量非结构化数据()。A. 关系型数据库（如 MySQL）B. 文档型数据库（如 MongoDB）C. 键值对数据库（如 Redis）D. 列存储数据库（如 Cassandra）

考查要点：本题主要考查对不同数据库类型的适用场景的理解，特别是针对非结构化数据的存储需求。

解题核心思路：

1. 明确非结构化数据的特点（如文本、图像等，无固定格式）。
2. 对比各选项数据库的存储模式和扩展能力：
   • 关系型数据库：依赖固定表结构，适合结构化数据。
   • 文档型数据库：支持灵活的文档结构，适合非结构化数据。
   • 键值对数据库：仅支持键值映射，查询能力有限。
   • 列存储数据库：按列存储，适合分析型场景，模式要求较高。
3. 结合人工智能训练数据量大、格式多样的特点，选择最合适类型。

破题关键点：

• 非结构化数据的存储需求：需要灵活的模式和高效的扩展能力。
• 文档型数据库的优势：支持动态文档结构，天然适配非结构化数据。

选项分析

A. 关系型数据库（如 MySQL）

• 特点：基于固定表结构（schema），数据按行存储，支持复杂查询和事务。
• 局限性：非结构化数据需拆分存储，扩展性较差，不适合处理大量非结构化数据。

B. 文档型数据库（如 MongoDB）

• 特点：存储灵活的文档（如 JSON 格式），模式动态定义，支持水平扩展。
• 优势：天然适配非结构化数据，可直接存储复杂、多变的文档，查询灵活且性能高。

C. 键值对数据库（如 Redis）

• 特点：仅支持键值映射，查询仅依赖键，适合高吞吐量场景。
• 局限性：无法高效处理复杂查询，不适合需要多条件检索的非结构化数据。

D. 列存储数据库（如 Cassandra）

• 特点：按列存储，适合大数据分析和高并发场景。
• 局限性：模式仍需预定义，灵活性低于文档型数据库，学习成本较高。

结论

文档型数据库（B）通过灵活的文档结构和高效的扩展能力，完美匹配人工智能训练中非结构化数据量大、格式多变的需求。