大数据时代，MPP仍是中流砥柱？

大数据从业者一定知道MPP数据库。什么？你还不知道什么是MPP！

在说清楚这个问题之前，我们来聊聊常见的DBMS架构。

数据库的常见架构模式

    

         

DBMS的系统架构指定CPU可以直接访问哪些共享资源，它影响着CPU之间的协调方式以及它们在数据库中检索和存储对象的位置，常见的四种架构包括：

• Shared Everything

单节点DBMS使用的就是所谓的shared everything架构，使用本地内存和存储。

• Shared Memory

在Shared Memory系统中，多个CPU可以共享内存，同时也共享存储。

• Shared Disk

在Shared Disk架构中，所有节点都有自己的专用内存，并且都可以通过网络直接读写共享存储。这种架构常见于云原生数据库，将计算层和存储层结构，可以分别扩缩容。

• Shared Nothing

在Shared Nothing架构中，每个节点都有自己的CPU、内存和磁盘，节点间仅通过网络通信。增加新节点是，DBMS必须将数据物理地移动到新节点，因此在这种架构中增加容量更加困难，灵活性较差。然而，其优点是它可以大规模并行，并优化本地读从而实现不错的性能。

那什么是MPP呢？

传统关系型数据库的技术架构，尤其是 OLTP 数据库在海量数据的存储、查阅以及分析方面出现了明显的性能瓶颈。随着分布式技术的产生和发展，出现了以 Teradata 为代表的基于专有硬件的MPP数据库，以及 Greenplum 和 Vertica 等基于普通服务器的 MPP 数据库。

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