一、NoSQL数据库

NoSQL数据库并非指一种特定的数据库，而是指那些非关系型的数据库。它可以为大规模数据提供更灵活的数据访问方式，而不是支持传统的在线事务处理（OLTP）和决策支持系统（DSS）。NoSQL数据库不局限于固定的表格结构，而是可以使用键值、文档、列族、图形等多种不同形式的数据结构进行存储。在大数据领域中，NoSQL数据库可以轻松处理大规模海量数据和半结构化和非结构化数据。

二、Apache HBase

Apache HBase是一种列式数据库，它是Apache Hadoop的子项目之一。因为它是在分布式文件系统Hadoop上构建的，所以它是基于Hadoop的分布式存储系统。Apache HBase被设计为提供高容错性和可伸缩性。HBase可支持上百亿行数据的场景，适用于因为数据量太大而不能存储在关系型数据库中的场景。

三、Apache Cassandra

Apache Cassandra是由Facebook开发的一个分布式非关系型数据库系统。Cassandra所采用的分布式架构能够支持大规模数据量，可以处理数十亿条数据的存储和检索。Cassandra适用于大规模、分布式和高性能的数据应用，如日志和事件处理，和分布式存储系统。

四、MongoDB

MongoDB是一个基于分布式文件系统的开源数据库，用于存储半结构化和非结构化数据。MongoDB是一个经过证明的高可扩展性解决方案，能够存储海量数据，并且使用良好的扩展性和高性能处理大量的数据请求。MongoDB支持可伸缩的分布式系统，还提供了操作集合的许多功能。

五、Apache Accumulo

Apache Accumulo是一个基于Hadoop的分布式数据库系统，它起源于美国国家安全局（NSA）。Accumulo是一个可扩展的、高性能且高可靠的键值存储系统，能够支持PB的数据规模和千万亿级的行级数据。

大数据领域的数据库相对于传统的关系型数据库，具有哪些优势

1.可扩展性

大数据领域的数据库可以通过增加服务器节点来扩展数据存储和处理能力，而传统的关系型数据库则存在扩展性瓶颈。这使得大数据领域的数据库能够更好地处理海量数据。

2.高可用性

大数据领域的数据库通常采用分布式存储和处理技术，具有高可用性，即使某个节点发生故障，仍然可以保证系统的正常运行。

3.处理速度快

大数据领域的数据库使用分布式计算框架来处理数据，例如Hadoop的MapReduce、Spark的RDD等，具有高效的计算能力，能够快速地处理海量数据。

4.适应非结构化数据

大数据领域的数据库采用非结构化数据模型，例如文档型数据库、键值型数据库、图形数据库等，能够更好地适应海量、高度变化的非结构化数据，而传统的关系型数据库则更适用于小规模、高度结构化的数据。

5.成本低

大数据领域的数据库通常使用开源软件，如Hadoop、Cassandra等，相比于传统的商业关系型数据库，成本更低。

综上所述，大数据领域的数据库相对于传统的关系型数据库，具有更好的可扩展性、高可用性、更快的处理速度、更好的适应非结构化数据和更低的成本等优势。