Günümüzde yaygın olarak kullanılan veri modelleri, bir başka deyişle veritabanı modelleri şu şekilde sıralanabilir;
• Hiyerarşik Veritabanı Modeli (Hierarchical Database Model)
• Ağ Veritabanı Modeli (Network Database Model)
• İlişkisel Veritabanı Modeli (Relational Database Model)
• Nesneye Yönelik Veritabanı Modeli (Object Oriented Database Model)
• Varlık-İlişki Modeli (E-R Model)
• Konumsal Veritabanı Modeli (Geodatabase)
• Nesne-İlişkisel Veritabanı Modeli (Object-Relational Database Model

Hiyerarşik veritabanı modeli 1960’lı yıllarda geliştirilen ve kullanılan ilk veritabanı modelidir.Bu model, 1966’da Saturn-V roketi ve Apollo uzay aracı malzeme envanter faturalarının fazlalığı nedeniyle IBM firmasının geliştirdiği Information Management System (IMS)’in temelini oluşturur.

Hiyerarşik veritabanı modeli 1960’lı yıllarda geliştirilen ve kullanılan ilk veritabanı modelidir. Bu model, 1966’da Saturn-V roketi ve Apollo uzay aracı malzeme envanter faturalarının fazlalığı nedeniyle IBM firmasının geliştirdiği Information Management System (IMS)’in temelini oluşturur. IMS’in gelişimi sürecinde hiyerarşik veritabanı modeli de gelişme göstererek bir çok programlama dili ile entegre çalışabilecek hale gelmiştir. Günümüzde halen Windows Registry yapısı bu modeli kullanmaktadır. Çoklu ilişkileri temsil edebilmek için, varlık tiplerinde gereksiz veri tekrarı yapmadan, her ilişkinin ayrı ayrı tanımlanması, bu modelin ana ilkesidir. Bu modelde veriler ters ağaç yapısı oluşturacak şekilde (kök yukarıda, dallar aşağıda) hiyerarşik ve birbirine bağlı olarak planlanmaktadır.Ağacın kökünden gövde ve dallara olan dallanma yapısı veritabanı modellemesine yansıtılır. En üstte kök, altında kökün dalları ve bu dallara bağlı diğer dallar şeklinde bir yapı oluşturulur. 

Hiyerarşik veritabanı modelleri için en bilinen örnekler şirketlerdeki yönetim şeması ve ailelerdeki soy kütüğü yapılarıdır. Bir üniversitenin yönetim şeması da hiyerarşik veritabanı modeline örnek gösterilebilir.

Hiyerarşik veritabanı modelinin avantajları;
• Veritabanı oluşturulduktan sonra yapılacak işlemlerde kolaylık sağlar,
• İşlem verimliliği yüksektir,
• Hiyerarşik düzene uygun yapılara çok iyi uyum sağlar. Örnek olarak aile soy ağacı verilebilir,
• Hiyerarşik veritabanı modelinin kullanıldığı yazılımların dilleri basittir şeklinde sıralanabilir

Hiyerarşik veritabanı modelinin dezavantajları;
• Yapı oluşturulurken çok zaman ve işlem gerektirir,
• Yapı oluşturulurken yapılan bir hatanın düzeltilmesi neredeyse imkansızdır,
• Hiyerarşiden bir segment çıkartıldığında, yapıda bu segmente bağlı olanlara ulaşım kesileceğinden, ekleme ve çıkartma işlemleri yapı kurulurken düşünülüp iyi tasarlanmalıdır,
• Üzerinde işlem yapan programcının hataya yol açmaması için yapıyı ileri düzeyde bilmesi gerekmektedir, şeklinde sıralanabilir.

Ağ veritabanı modeli, hiyerarşik veritabanı modeli ile aynı zamanlarda gelişmeye başlamış bir
modeldir. Ancak bu veritabanı modelinde bazı verilerin çoklu bir alt/üst (parent/child) ilişkisine sahip olması durumu, çoktan-çoğa ilişki şekli kullanılarak tanımlanabilmiştir. Ağ veritabanı modeli ilk kez, 1971 yılında gerçekleştirilen Veri Sistemleri Dilleri Konferansı’nda (Conference on Data Systems Languages - CODASYL) tanımlanmıştır. Bu nedenle bazı kaynaklarda bu isimle birlikte de anılmaktadır.

Bir ağ veritabanındakitemel yapıtaşı “Küme”dir. Bir küme, ismin yanı sıra bir sahip kayıt, bir de üye kayıttan oluşur.
• Küme (set): Kayıtlar arasındaki ilişki,
• Sahip (owner): Hiyerarşik modelde ata olarak tanımlanmış kayıt,
• Üye (member): Hiyerarşik modelde çocuk olarak tanımlanmış kayıttır.

Bir üye kayıt türü, işlevini birden fazla kümede yerine getirebilir ya da bir sahip kayıt türü, başka bir kümede üye olabilir. Böylece çoklu sahip kavramı mümkün hale gelmektedir.
Bir mağazadaki ürün, müşteri, mağaza yöneticisi, satış elemanı ve sipariş arasındaki ilişki, bu yapı için iyi bir örnektir. Bir mağazada birden fazla ürün olabilir Mağazadaki ürünlerin satış işlemlerini birden fazla satış elemanının yapması mümkündür. Aynı şekilde bir müşteri de birden fazla ürün satın alabilir.

Ağ veritabanı modelinin avantajları;
• Model tasarımı oldukça kolaydır,
• Ağ modeli hiyerarşik veritabanının tüm işlevlerini yerine getirebilmesinin yanı sıra eksik kalan birçok özelliğini de tanımlar,
• Sahip olmadan üye kaydı yaratılamadığı için veri bütünlüğü sağlanabilir,
• Veriye ulaşmak hiyerarşik veritabanı modelinden daha kolaydır,
• Ağ veritabanı modelinde veri tekrarı en aza indirilerek, oluşturulan veritabanının gereksiz yere büyümesi ve performans düşüşü problemlerinin oluşması engellenebilir şeklinde sıralanabilir.

Ağ veritabanı modelinin dezavantajları;
• Veritabanında yapılacak değişiklikler, veritabanını kullanan yazılımların yeniden yazılmasını gerektirebilir. Bu nedenle veritabanı yaratıldıktan sonra yapısında değişiklik yapmak oldukça zordur,
• Ağ veritabanı modelinde tüm kayıtlar adresleme kullanarak tanımlandığı için yapı oldukça karmaşıktır,
• Veri ekleme, çıkarma ve güncelleme çok fazla sayıda adres güncelleme anlamına gelmektedir. Dolayısıyla kullanımı ileri derecede programlama bilgisi gerektirmektedir, olarak sıralanabilir.

İlişkisel veritabanı modeli, Dr. Edgar F. Codd’un 1970 yılında yayınladığı “A Relational Model of Data for Large Shared Data Banks” makalesiyle ortaya çıkmıştır.

İlişkisel veritabanı modeli, Dr. Edgar F. Codd’un 1970 yılında yayınladığı “A Relational Model of Data for Large Shared Data Banks” makalesiyle ortaya çıkmıştır. Codd makalede, nesnelerin tablolar halinde ifade edilebileceği ve nesneler arasındaki ilişkinin ortaya koyulabileceği bir mantığı anlatmıştır. Bu mantığı da matematiksel temeller üzerine oturtmuştur. Matematikteki mantık ve alt küme olgusunun veritabanı üzerine uygulanabilirliğini ortaya koymuştur. İlişkisel veritabanı modeli, dayandığı bu matematiksel teori sayesinde ilişkisel ismini alır. 1970’li yıllarda geliştirilmiş olmasına rağmen, 1985’lerden sonra yaygınlaşan bir veritabanı modelidir. Günümüzde veritabanı yönetim sistemi yazılımlarının büyük bir çoğunluğu (Oracle, Sybase, Informix, MS-SQL, Mysql vb.) bu modeli kullanmaktadır.

Hiyerarşik veritabanı ve ağ veritabanı modellerinin, her ikisinin de en büyük eksikliği esnek olmamalarıdır. Veriyi etkin bir şekilde işlemek için daha önceden belirlenmiş yollar takip edilmelidir. Örneğin; bir ay içerisinde gerçekleşen tüm sevkiyatları bulmak için tüm veritabanının taranması gerekebilir. İlişkisel veritabanı modeli bu soruna bir çözüm üretmek için geliştirilmiştir (Oppel, 2004).  Bu modelin temelinde varlıklar arasındaki doğal ilişki yani 1:1 ilişki vardır. Ama diğer ilişki türleri de (1:M ve M:N) bu modelde kullanılabilir. Bu veritabanı modeli satırlar ve sütunlar içeren tablolardan oluşmaktadır.

İlişkisel veritabanı modelinin avantajları;
• Kullanımının kolay olması,
• Satır ve sütunlardan oluştuğu için değişikliklerin hızlı bir şekilde fark edilip düzenlenebilmesi,
• Esnek olduğu için proje süresinde gereklilik arz eden ilişkilerin kurulup düzenlenebilmesi,
• Çoklu çalışma imkânı sağlaması ve yetkilendirme sistemine sahip olması,
• Karmaşık bir hiyerarşi ve ağ yapısında olmaması, verilerin birbirlerinden bağımsız olarak tablolarda tutulabilmesi,
• Matematiksel bir teori üzerine oturduğu için sorgulama ve düzenleme dilinin kolay olması şeklinde sıralanabilir.

İlişkisel veritabanı modelinin dezavantajları;
• Veri bağımsızlığı ile oluşan tabloların ve işlem yükünün fazlalığından dolayı, işlem hızının veritabanının bulunduğu makinenin performansına bağlı olması,
• Sık kullanılacak verilerin yük getirmemesi için, veritabanı mimarisi oluşturulurken belirlenip önceden kurgulanmak zorunda olması,
• Veri bağımsızlığından kaynaklı olarak verilerin birbirleri ile olan ilişkilerini anlamlandırma zorluğu olarak sıralanabilir.

Nesneye yönelik veritabanı modeli, fikir olarak 1970’lerde ortaya atılmış olmasına rağmen, modelin yaygın kullanımı 90’lı yıllarda başlamıştır. Modelin bu kadar geç kullanılmaya başlamasının sebebi, ilişkisel veritabanı modelinin görüntü, karmaşık çizimler ve ses ya da video dosyaları gibi karmaşık veri tiplerini etkin şekilde kullanamamasıdır. Temel olarak nesneye yönelik veritabanı modeli, nesneye yönelik programlama dilinin veritabanına uygulanarak kullanılmasıdır. Nesneye yönelik veritabanı modelleri verileri tamsayı, gerçek sayı ya da dizi halinde saklamak yerine, nesneyi saklayan veritabanı modelleridir.

Nesneler temelde öznitelik ve yöntem verilerini içermektedir.
• Öznitelik (attribute): Öznitelik bir nesnenin karakter özelliklerini tanımlamaktadır. Bu veri tam sayı, gerçek sayı ya da dizi gibi basit de olabilir, karmaşık bir nesneye referans da verebilir.
• Yöntem (method): Yöntem bir nesnenin davranışını tanımlar.
Böylece nesneler hem uygulanabilir kod hem de veriyi saklayabilmektedir. Bu modelde, bir sorgunun karşılığında mutlaka daha önceden tanımlanmış bir nesne kümesi yani sınıf (class) olması gerekir. Sınıf, veri ya da yöntem içermez ama nesne içindeki veri ya da yöntemi tanımlar. Bu modeldeki sınıf kavramı, ilişkisel veritabanı modelindeki ilişki kavramına karşılık gelir. Nesneye yönelik modellerde, var olan bir sınıftan yeni bir sınıf türetilebilir.

Nesneye yönelik veritabanı modelinin avantajları;
• Nesneler yazılımda çeviriciye ihtiyaç duymazlar ve bu nedenle model oldukça hızlıdır,
• Daha kısa bir kod yapısına sahiptir,
• Veri modeli gerçek nesnelere dayanır,
• Eşzamanlılık kontrolü oldukça iyidir şeklinde sıralanabilir

Nesneye yönelik veritabanı modelinin dezavantajları;
• Kullanım ve kurulumu diğer modellere göre zordur,
• İlişki sayısı arttıkça veriye ulaşım yavaşlayabilir,
• İlişkisel veritabanı modeline göre daha az kullanıcı aracı vardır, şeklinde sıralanabilir.

Yaşadığımız dünyanın temelde varlıklar ve bunlar arasındaki ilişkilerden oluştuğunu kabul eden Peter Pin-Shan Chen (1976) tarafından geliştirilen modele Varlık-İlişki Modeli (Entity-Relationship Model) adı verilmiştir. Bu model günümüzdeki halini alana kadar 3 gelişim süreci geçirmiştir. Chen’den sonra 1990 yılında James Martin tarafından geliştirilerek “Genişletilmiş Varlık-İlişki Modeli”, ‘The National Information Standards Organization’ (NISO) tarafından geliştirilerek ‘Integration Definition for Information Modeling’ (IDEF1X) ve nesne tabanlı yapıyı destekleyen Birleşik Modelleme Dili “(Unified Modeling Language (UML))” haline gelmişti. Modelin geliştirilme amacı ilişkisel veritabanları ve ağ yapılarının modellenmesinde ortak bir standart belirlemektir.

Bu modelde var olan ve benzerlerinden ayırt edilebilen her şeye, her nesneye varlık (entity) adı verilir. Bir başka tanıma göre varlık, geliştirilen projelerde veri saklama ihtiyacı duyulan temel veri yapılarıdır. İlişkisel veritabanı yapısındaki öğrenciler ve dersler iki ayrı varlık olarak tanımlanır. Aynı türden benzer varlıkların oluşturduğu ve ilişkide olduğu kümeye de varlık kümesi (entity set) adı verilir. Varlıkların özelliklerini belirtmek ve varlıkları birbirinden ayırmak için nitelikler (attribute) kullanılır. Örneğin bir öğrencinin TC Kimlik No, Adı ve Soyadı nitelik (attribute) olarak tanımlanmaktadır. 

Varlık-ilişki modelinin avantajları;
• Kavramsal bir yapı olduğundan oluşum aşaması basittir,
• Sadece varlıklar ve aralarındaki ilişkileri göstermek yeterlidir,
• Bir şeması olduğundan görsel açıdan yapıyı ve yapının hatalarını görmek daha kolay haldedir,
• Şema üzerinde çoklu çalışmaya olanak sağlar,
• Veri modeli değişikliklerine olanak sağlar şeklinde sıralanabilir.

Varlık-ilişki modelinin dezavantajları;
• Bir varlığa fazla nitelik tanımlanamaması,
• Sadece ikili ilişkiler içermesi,
• Standart bir diyagram gösterimine sahip olmaması,
• Veri manipülasyonu için bir gösterime sahip olmaması şeklinde sıralanabilir.

1960’lardan itibaren gelişmeye başlayan bilgisayar destekli tasarım (Computer Aided Design-CAD) teknolojisi konumsal nesneleri nokta, çizgi ve poligon olarak tanımlayabilmektedir. Konumsal veritabanının erken örneklerinden biri olan Spagetti Veri Modeli’nde CAD teknolojisinden yararlanılmıştır. Bu veri modelinde basit çizgi nesnesi kullanıldığı için spagetti ismini almıştır. Modelde genellikle öznitelik verileri kullanılmamakta ve konumsal verilerin birbirleriyle olan ilişkileri saklanamamaktadır. Spagetti veri modeli konumsal sorgulamalarda yetersiz kalması nedeniyle CBS platformunda yeni bir veri modeline gereksinim duyulmuştur. Bu gereksinimi karşılamak için ortaya çıkan veri modeli Konumla İlişkili (Georelational) Veri Modeli’dir. Konumla İlişkili Veri Modeli de konumsal veriyi CAD ortamında saklamaktadır. Bu modelde farklı olan CAD dosyalarındaki nesnelere verilen kimliklerle (ID) veritabanında tutulan öznitelik verilerinin eşleştirilebilmesidir. Ayrıca nokta, çizgi ve poligon olarak saklanabilen konumsal veriler arasındaki konumsal ilişkiler, veritabanındaki ayrı tablolarda saklanabilmektedir. Böylece bir çizginin başka bir nesne ile komşuluk ilişkileri sorgulanabilir.

Konumsal veritabanı modeli, konumla ilişkili veri modelindeki bütünlük sorunlarını gidermek için üretilmiştir. Bu model, veritabanı yönetim sistemlerinin güçlü yanlarından yararlanarak konumsal veriyi saklar, işler ve yönetir. Başka bir deyişle konumsal veritabanı, standart veritabanı yapısı üzerine geliştirilmiş, konumsal verinin saklanması, işlenmesi, sorgulanması ve yönetilmesini sağlayan bir veritabanı modelidir.

Konumsal veritabanı, ilişkisel veritabanı yönetim sistemleri üzerine bütünleşik olarak uygulanan bir sistemdir. İlişkisel veritabanı sistemlerinin sahip olduğu yeteneklere ek olarak konumsal veriyi de saklayabilir. Yeryüzünden çeşitli yöntemlerle toplanılan coğrafi veriler veritabanına iki farklı tipte girilmektedir. Bunlar öznitelik ve konumsal veri tipleridir.

• Öznitelik Verisi;Tanımlanan konumsal nesne ile ilgili, konum bilgisi içermeyen veri tipidir.
• Konumsal Veri;Yeryüzündeki herhangi bir biçimi coğrafi konumu ile birlikte tanımlamak için kullanılır. Bu tanım için nokta, çizgi ve poligon gibi basit grafik nesneler kullanılır

Topoloji nesnelerin konumsal ilişkilerini temel alan matematik dalıdır (Uyguçgil, 2015). Konumsal veritabanında topoloji kuralları kullanılarak, nesnelerin geometrik benzerliği, komşuluk, konumsal ilişkiler ve geometrik şekillerin değişmesi sonucunda diğer ilişkilerde bir bozulma olup olmadığı incelenebilir. Konumsal nesnelerin birbirleriyle olan konumsal ilişkileri, veritabanında topoloji tanım tablolarında tanımlanır.

Konumsal veritabanı modelinin avantajları;
• Tüm konumsal veriler tek ve merkezi bir veritabanı üzerinde tutulabilir,
• Veri girişi ve güncelleme işlemleri kullanıcı hataları daha aza indirilerek yapılabilir,
• Konumsal nesneler kolaylıkla platformlar arası taşınabilir ve diğer veritabanı sistemleri ile entegre olabilir,
• Konumsal nesneler hem topolojik hem de ilişkileriyle birlikte tanımlanabilir,
• Harita üzerinde bulunan konumsal nesnelerin gösterimi dinamiktir ve birçok kullanıcı konumsal veriye aynı anda ulaşabilir ve güncelleyebilir şeklinde sıralanabilir.

Konumsal veritabanı modelinin dezavantajları;
• Tasarımı oldukça zor ve karmaşıktır,
• Kullanıcılar için üst seviye eğitim gerektirir,
• Uygun ve kapsamlı donanım gereksinimi vardır,
• Veri dönüşümü maliyetlidir,
• Konumsal veri işlemesi için düşük performans ile çalışır şeklinde sıralanabilir.

Nesne-ilişkisel veritabanı modeli ; 1999 yılında SQL:1999 sürümü ortaya çıktıktan sonra ilişkisel veritabanı farklı veri tiplerini destekler bir hal almıştır. İlişkisel veritabanı farklı veri tiplerini desteklese de hala ikili veri halinde tutabildiği (BLOB) veriler, veritabanında çok yer kapladığından tercih sebebi değildir. Nesneye yönelik veritabanı modeli ile daha uygun olan bu özellik yüzünden nesne yönelimli veritabanı modeli kullanılır hale gelmiştir. Nesne yönelimli veritabanı da ilişkisel veritabanı modeli kadar esnek bir kullanıma sahip olmadığından, bu iki modeli birleştiren Nesne – İlişkisel Veritabanı Modeli ortaya çıkmıştır.

Nesne-ilişkisel veritabanı modelinin avantajları;
• Farklı veri türleri ile çalışabilir (diziler, alfanümerik türler gibi),
• Hızlı ve kolay sorgulanabilir,
• Çoklu çalışma olanağı sağlar,
• Performans olarak hızlıdır şeklinde sıralanabilir.

Nesne-ilişkisel veritabanı modelinin dezavantajları;
• İki modelin ortak özelliklerinden oluştuğu için karmaşık bir yapıya sahiptir,
• Şematik olarak ilişkiler arttıkça anlaşılırlığını kaybeder,
• İlişkisel veritabanı gibi veri odaklı olmadığından kolay anlaşılır değildir olarak sıralanabilir.