从资源管理角度来看，当前的大数据系统架构主要有两种：一种是MPP数据库架构，另一种是Hadoop体系的分层架构。这两种架构各有优势和相应的适用场景。另外，随着光纤网络通信技术的发展，大数据系统架构正在向存储与计算分离的架构和云化架构方发展。

本文首先回顾并行硬件架构的发展，并进一步介绍基于并行硬件架构的数据库一体机系统与基于MPP架构的数据库软件系统。数据库一体机系统在银行等大型企业中采用广泛，一体机的优点是开箱即用、功能丰富、稳定、售后服务好，缺点是价格昂贵、扩展不灵活。基于普通服务器集群加MPP数据库软件构建的数据库系统，优点是硬件成本低、水平扩展容易、易于进行海量数据处理、吞吐量高，缺点是仅适合用于数据分析。

01并行硬件架构的发展

为了提高计算机系统的处理能力，在处理单元（CPU）性能确定的情况下，就需要增加处理单元的数量，此时从计算单元（CPU）对资源（特别是内存）访问的角度来看，并行硬件架构分为三种，详细说明如下。

SMP（Symmetric Multi Processing，对称多处理器）架构。这里的“对称”是指所有处理器之间是平等的，并且共享包括物理内存在内的所有资源，处理器访问不同资源的能力（速度）是一致的，每个处理器访问内存中的任何地址所需的时间是相同的，因此SMP架构也被称为UMA（Uniform Memory Access，一致存储器访问）架构。

• NUMA（Non-Uniform Memory Access，非一致存储访问）架构。NUMA架构服务器内部有多个处理模块（节点），每个模块有多个CPU和本地内存，但每个CPU也可以访问整个系统的内存，当然访问本模块的内存要比访问其他模块内存的速度快，这也是非一致存储访问架构名称的由来。

• MPP（Massively Parallel Processing，大规模并行处理）架构。MPP架构是将多个处理节点通过网络连接起来，每个节点是一台独立的机器，节点内的处理单元独占自己的资源，包括内存、硬盘、IO等，也就是每个节点内的CPU不能访问另一个节点的内存（这是MPP与NUMA的主要区别），MPP架构服务器需要通过软件实现复杂的调度机制以及并行处理过程。

这三种技术架构的发展是一个并行能力、扩展能力逐渐提高的过程，也是耦合度逐渐减低的过程，它们的区别如图1所示。SMP架构服务器的主要问题是扩展能力十分有限，随着CPU数量的增加，内存访问冲突出现的概率会快速增加。实验表明，SMP架构服务器CPU利用率最好的情况是服务器内有2～4个CPU。NUMA架构可以在一个物理服务器内最多集成上百个CPU，但由于访问非本节点内存的延时远远超过本地内存，因此在CPU达到一定数量后，无法再通过增加CPU实现系统性能的线性提高。MPP架构的扩展性最好，理论上对节点数量没有什么限制，可以包含几百个节点。

▲图1　并行硬件架构对比

02基于并行硬件架构的数据库设备

数据库厂商推出了很多软硬件一体的数据库设备产品，此类产品是由一台或多台主机组成的集成设备，将服务器、存储、操作系统和数据库软件集成在一起，可以实现开箱即用。国内一般将此类产品称为数据库一体机（Database Machine）。

为了提高性能，此类产品都会采用并行硬件架构。从资源共享角度来看，这类产品的数据库架构可分成三类，详细说明如下。

• 完全透明共享（Shared Everthing）系统。一般是针对单个主机，采用SMP或者NUMA硬件架构，是一个高性能的单台服务器，此类产品可以提供较高的事务处理能力。

• 完全不共享（Shared Nothing）系统。由多个主机组成，采用MPP硬件架构，各节点都有自己私有的CPU、内存、硬盘等，不存在共享资源，每个节点是一台SMP服务器，在每个节点内都有操作系统和管理数据库的实例副本，管理本节点的资源，节点间通过网络通信，能够处理的数据量更大，适合复杂的数据综合分析，对事务支持较差。

• 共享磁盘（Shared Disk）系统。由多个主机组成，也属于MPP硬件架构，各节点使用自己私有的CPU和内存。共享磁盘系统可实现高可用性，即使一个节点故障，也可以通过其他节点访问所有数据，但由于节点之间不共享内存，需要一个锁管理器来维护节点缓存之间的一致性，会带来额外的开销。

这三类产品的功能特点对比如下表所示。

▼表1　三类产品的功能特点对比

03基于MPP架构的数据库软件系统

基于MPP架构的数据库软件系统，一般简称为MPP数据库，它是运行在由普通商用服务器组成的服务器集群上，服务器（节点）之间通过网络连接，每一个节点都是独立的、自我管理的，且计算节点的功能是相同的。也就是说，每个节点是一台相对独立的数据库服务器，节点上运行着一个单机操作系统和数据管理系统，用于管理本节点上的资源与数据，即节点资源私有。以基于PostgreSQL的MPP数据库系统Greenplum为例，每个节点上实际运行着一个单机版的PostgreSQL数据库实例。如果是主从模式，由管理节点接收客户端请求并将任务分解分派到多个节点上，在每个节点上完成数据读取和计算后，再将各部分的中间结果汇总到管理节点一起计算，得到最终的结果并返回客户端。如果是环形模式，则每个节点都可以接收客户端的请求，并向其他节点请求数据，待完成汇总计算后将结果返回客户端。MPP数据库架构（主从模式或环形模式）如图2所示。

▲ 图5-2　MPP数据库架构（主从模式或环形模式）

从硬件架构上来说，MPP数据库与Shared Nothing+MPP的数据库一体机是一样的，区别是服务器硬件选择不限定厂商，集群弹性伸缩更灵活，成本更低。在大多数情况下，所有节点都使用相同的硬件和相同的操作系统。