MPP 架构

定义

MPP（Massively Parallel Processing，大规模并行处理）是分析型数据库领域的经典体系结构：由多台独立节点组成集群，每个节点拥有自己的 CPU、内存与存储（Shared Nothing，无共享），数据水平切分到各节点，查询被分解后在所有节点上并行执行。

原理

数据通常按哈希或范围分布键切分存放；查询进入后由协调节点生成分布式执行计划，各节点扫描并计算本地数据分片，涉及跨节点的 Join 或聚合时通过网络重分布（Shuffle）或广播小表完成，最后汇总结果。理想情况下性能随节点数近似线性扩展。与依赖共享存储的 SMP 架构相比，MPP 消除了集中式瓶颈；与 MapReduce 相比，MPP 采用流水线执行、中间结果不落盘，延迟低得多，但大作业容错较弱。

应用

Teradata、Greenplum、Vertica、ClickHouse 集群、Doris、StarRocks、Redshift 等分析型数据库均属 MPP 体系。

评价

MPP 是现代 OLAP 的基石；其短板在于数据倾斜敏感、扩缩容需重分布数据，云时代常与存算分离结合演进。