在此演示文稿中，有一张图表显示了随着数据变大，以下水平可扩展性上限：
键值 > 列族 > 文档数据库 > 图数据库
http://youtu.be/UodTzseLh04?t=13m36s
换句话说，随着数据变得更加连接（即复杂），您可以让数据库增长的限制越来越低。
与键值存储相比，为什么文档数据库的数据大小没有那么可扩展？我是否通过说“连接数据的自由度越大，数据分区越难”来回答我自己的问题？
（每个人通常都会问的“我正在尝试做的事情”部分：我有一个数据库，其架构大部分是树状的，但偶尔会有两个父节点。我在原型中使用了 Neo4j，但用于生产规模应用程序我需要更多地考虑分区。我将不得不使用 Mongo DB，因为图形数据库不容易分区，并且在 Mongo DB 中为我的“多父”关系编写代码将更加困难。所以我'我想知道是否值得加倍努力并使用键值存储 - 或者至少是列族存储）。
对于图形数据库......我会考虑看看 Titan 的可扩展性。 https://github.com/thinkaurelius/titan。
他们最近写了一篇关于他们的数据库引擎如何存储扩展/性能数据的好博客文章：http: //thinkaurelius.com/2013/11/01/a-letter-regarding-native-graph-databases/
Titan 还可以配置为与 Cassandra 协同工作，因此您也可以从列式数据库中受益。
我认为您对关系（一个实体与另一个实体相关）和可扩展性的理解一针见血。
您必须管理的“连接”或“连接”越多，扩展就越困难。
键/值系统假设您将在应用程序中关联数据。没有查询的概念，因此为了扩展，您可以根据键进行分片。非常简单且非常可扩展。
如果您阅读了一些关于 Titan 的文章，就很容易理解为什么很难扩展像图形数据库这样的东西。