MPP架构

MPP (Massively Parallel Processing)，大规模并行处理

面对海量数据和计算时，采用大事化小的思路，对数据进行分割，数据分割后单独存储，数据处理消耗的资源也是相互隔开的，对于MPP数据库来讲，整个数据库由多个完全独立的数据库构成，各个拥有完整的数据存储、数据管理、数据操作能力。基于网络实现节点互联，形成一个整体对外提供服务，节点间互不干扰，即Share Nothing，不共享磁盘和计算能力。

Greenplum是一种基于PostgreSQL的分布式数据库。其采用Shared Nothing架构（MPP），主机，操作系统，内存，存储都是自我控制的，不存在共享。

通过将数据分布到多个节点上来实现规模数据的存储，通过并行查询处理来提高查询性能。

把小数据库组织起来，联合成一个大型数据库。将数据分片，存储在每个节点上。

每个节点仅查询自己的数据。所得到的结果再经过主节点处理得到最终结果。通过增加节点数目达到系统线性扩展。

Doris也是MPP架构。

Spark SQL应该还是算做Batching Processing, 中间计算结果需要落地到磁盘，所以查询效率没有MPP架构的引擎（如Impala）高。

MPP的短板

如果整个集群有straggler，会导致整个engine的性能下降到该straggler的能力，木桶短板，故MPP架构不适合异构的机器，要求各节点配置一样