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。

MPP(大规模并行处理)数据库在大数据分析领域具有可伸缩性、高可用性和高性能等优势,但面临集群规模受限、并发性能不高、无法动态适应业务发展以及扩缩容影响业务连续性等挑战。随着技术发展,湖仓一体架构的出现,如OushuDB,通过存算分离和虚拟计算集群技术,解决了MPP的部分问题,提供更高并发、实时能力和事务支持,成为未来数据库发展的趋势。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



