MPP 与 MR

自我理解：

MPP为并行数据库，每个节点都是计算资源，把任务拆分N份，节点分别计算，最后统一汇总。类似于传统的数据库，现阶段数据处理快。Shared nothing架构。

MR适合批处理，采用类似二分类算法，前提是计算资源充足的情况下，效率最大化。

摘抄：

真实的TPC-DS测试比较

根据上面的分析，我们不难看出MPP数据库的优势，下面我们选取同样都是底层文件系统采用Hadoop的HDFS分布式文件系统作为数据存储，上层采用MPP技术的HAWQ与采用Map Reduce的Hive在TPC-DS基准测试中的对比结果吧（数据来自：1)：

• 性能：简单查询性能相当；HAWQ在处理复杂语句的性能是Hive的三四倍左右。
• 对复杂查询的支持：Hive只支持基准测试99条语句中的66条，而HAWQ支持全部。

总结

Map Reduce计算模型在计算资源无限、数据无相关性的情况下很容易具有良好的扩展性，特别适用于计算网格等领域或者简单数据库查询的处理上。但是就目前而言，在实现数据库管理系统领域，它仍然受限与资源分配、数据相关性等因素的制约，很难达到MPP发展的高度。不过技术发展日新月异，也许不出时日，它就能突破这些障碍，或者与MPP技术结合，或许有新技术助力，追平甚至超越MPP数据库也是很有可能的。

 

来自 <https://blog.youkuaiyun.com/dreamy_lin/article/details/81391859>

https://blog.youkuaiyun.com/rav009/article/details/82462650 这篇文字可以借鉴一下 主要是share everything/disk/nothing 的解释