在传统事务型数据库中，只有热数据记录因性能问题需要保存在内存中，性能更低的廉价磁盘用于提供数据存储空间。数据库引擎一直以来都按这样的目的而优化。现在，把整个数据库都载入内存已经成为可能。范围可以从网络规模，分布式键值缓存存储与分析型数据库，到实时“运营智能”网络。

大型Web应用程序，数千并发用户会连接到Web服务器，每次访问网页时，都会要求服务器提供稳定持久的“会话数据”。在这种情况下，交易集中的数据库应用将成为很大的瓶颈。可扩展的数据库产品，如Memcached和Redis提供了快速、内存中缓存的键值类型数据。

在很多数据挖掘、采集与分析场景中，整个数据库都会需要进行结构化的重复查询，将整个数据库运行在内存中有利于提升性能。专为商业智能（BI）设计的纵列分析型数据库已经优化了数据存储结果，但是经常会以某种压缩状态存在，不适合进行大规模事务性操作。在快速分析的产品竞赛中，内存中处理这一功能正在进化。

SAP的HANA就是业界领先的产品，横向扩展型内存数据库被设计用于承载关键企业资源规划数据。其可以提供近乎实时的BI金矿，并且同样可以用于其他数据。需要花费传统数据库数小时的报告，可以在HANA中几秒完成。它还可以直接用于处理交易事务，从而进一步增加其效用。

其他纵列分析数据库厂商，如Teradata与HP Vertica，力争尽可能多的使用内存，例如压缩在内存缓存中的列数据。他们同样支持因为数据量太大，考虑到性价比无法完全将所有数据放入内存的方案。Vertica为例，提供了一种混合内存技术，可以快速将数据导入内存（一般来说从硬盘中），实现近乎实时的磁盘与内存数据访问。

Oracle拥有完整的内存处理产品，支持分析与快速联机事务处理(OLTP)，如高端的TimesTen/Exadata设备，而且还针对自己传统数据库软件也增加了内存处理的功能。

Oracle Hybrid Columnar Compression (HCC)是个根据年龄压缩事务性数据的好例子，这样可以确实提高分析速度。去年秋天，Oracle发布了其内存中处理的革新功能，可以使用HCC模式进行快速分析并将完整事务行目放入内存，提高OLTP速度。

最近，微软已经开始加强SQL Server功能，支持内存中OLTP。Hekaton项目承诺允许管理员指定单个数据表在内存而非磁盘，以充分发挥其作用，并将实现内存表与磁盘中表的透明交互传输。