mpp数据库跟oracle的区别

先这要看下：

SMP：

SMP(Symmetric Multi Processing)架构，对称多处理架构(share everything)。例如单机版本的mysql、oracle、sqlserver等。所有的CPU共享全部资源，如总线，内存和I/O系统等， *** 作系统或管理数据库的复本只有一个，这种系统有一个最大的特点就是共享所有资源。

UNMA：

NUMA(Non-Uniform Memory Access)架构，半共享架构(share disk)，例如：oracle rac、db2 pureScale，它是磁盘共享(share disk)，数据共享，可以通过增加节点来提处理能力，但是当共享存储接口达到瓶颈后，增加节点并不能获得更高当性能。

MPP：

MPP(Massively Parallel Processing)架构，海量并行处理架构(share nothing)，每一个节点有自己的Merry、CPU、Disk、OS，不共享任何资源，各个处理单元之间通过协议通讯。各个单元相互独立，各自处理自己的数据，处理完成后向上汇总。

smp numa mpp的对比，请参考下图

【导语】数据平台其实在企业发展的进程中都是存在的，在进入到数据爆发式增加的大数据时代，传统的企业级数据库，在数据管理应用上，并不能完全满意各项需求。就企业自身而言，需求更加契合需求的数据平台建设方案，那么大数据工程师进行数据平台建设，有哪些方案呢?下面就来细细了解一下吧。

1、敏捷型数据集市

数据集市也是常见的一种方案，底层的数据产品与分析层绑定，使得应用层可以直接对底层数据产品中的数据进行拖拽式分析。数据集市，主要的优势在于对业务数据进行简单的、快速的整合，实现敏捷建模，并且大幅提升数据的处理速度。

2、常规数据仓库

数据仓库的重点，是对数据进行整合，同时也是对业务逻辑的一个梳理。数据仓库虽然也可以打包成SAAS那种Cube一类的东西来提升数据的读取性能，但是数据仓库的作用，更多的是为了解决公司的业务问题。

3、Hadoop分布式系统架构

当然，大规模分布式系统架构，Hadoop依然站在不可代替的关键位置上。雅虎、Facebook、百度、淘宝等国内外大企，最初都是基于Hadoop来展开的。

Hadoop生态体系庞大，企业基于Hadoop所能实现的需求，也不仅限于数据分析，也包括机器学习、数据挖掘、实时系统等。企业搭建大数据系统平台，Hadoop的大数据处理能力、高可靠性、高容错性、开源性以及低成本，都使得它成为首选。

4、MPP(大规模并行处理)架构

进入大数据时代以来，传统的主机计算模式已经不能满足需求了，分布式存储和分布式计算才是王道。大家所熟悉的Hadoop

MapReduce框架以及MPP计算框架，都是基于这一背景产生。

MPP架构的代表产品，就是Greenplum。Greenplum的数据库引擎是基于Postgresql的，并且通过Interconnnect神器实现了对同一个集群中多个Postgresql实例的高效协同和并行计算。

关于大数据工程师进行数据平台建设方案的有关内容，就给大家介绍到这里了，中国社会发展至今，大数据的应用正在逐渐普及，所以未来前景不可估量，希望想从事此行业的人员能够合理选择。

---