学习 MPP 与 SMP 的区别，终于有人讲明白了

导读：当今数据计算领域主要的应用程序和模型可大致分为在线事务处理（On-line Transaction Processing ，OLTP）、决策支持系统（Decision-making Support System ，DSS）和企业信息通信（Business Communication）三大类。计算平台的体系结构通常有小型独立服务器、SMP （Symmetrical Multi-Processing， 对称多处理）、MPP（大规模并行处理）和 NUMA（Non Uniform Memory Access，非均匀存储器存取）结构。
.
这里，本篇文章重点讲一下 SMP 与 MPP。

01 SMP

SMP 是指在一个计算机上汇集了一组处理器（多核 CPU），各 CPU 之间共享内存子系统以及总线结构。代表数据库有 Oracle 、MySQL 。SMP 架构原理图如图1所示。

$$▲图1SMP架构原理图$$

SMP 的典型特征如下：

• 每个处理器共享操作系统的一个副本 。

• 支持共享架构。

• 多任务并行架构，是一个紧耦合的多处理器系统。

• 多个处理器之间共享整个工作。

• 没有单独的缓存池或锁表，全部共享。

• 通过购买更大的系统来实现扩展。

• 容易出现资源争用等问题。

• 创建分布式架构需要复杂的设计，并且只能部分实现。

• 软件提供的内存可用量完全取决于 RAM 和负载的数量。

在 SMP 中，每个 CPU 都有自己的缓存，无论双核还是四核，其余资源都是共享的。SMP 的优点如下。

1. 共享单一操作系统副本。

2. 应用程序编程模式简便。

3. 管理成本低，易于维护管理。

SMP 的缺点如下。

1. 伸缩扩展能力非常有限。对 SMP 服务器进行扩展的方式包括增加内存、使用更快 的 CPU、增加 CPU、扩充 I/O（槽口数与总线数）以及添加更多的外部设备（通常是磁盘存 储设备）。这样的架构模式直接导致内存上线受限制。

2. CPU 利用率低。由于每个 CPU 必须通过相同的内存总线访问相同的内存资源，因 此随着 CPU 数量的增加，内存访问冲突将迅速增加，最终造成 CPU 资源的浪费，大大降 低 CPU 性能的有效性。

3. 总线有瓶颈。当大型程序的处理要求大于共享总线时，总线就没有能力进行处理 了，这时共享的总线就成为性能瓶颈。

4. 容错性和效率较低。

SMP 的典型应用场景是托管小型网站和电子邮件服务器等。

02 分布式MPP计算架构

MPP（Massively Parallel Processing，大规模并行分析处理）架构模式，是典型的分布 式计算模式。MPP 的各节点不共享资源，每个执行节点可以独自完成数据的读取和计算。

MPP 架构核心原理如下。

1 ）将数据集分布在许多机器或节点上，以处理大量数据。

2 ）每个节点都有独立的磁盘存储系统和内存系统。

3 ）业务数据根据数据库模型和应用特点划分到各个节点上。

4 ）每个数据节点通过专用网络或者商业通用网络互相连接，彼此协同计算，作为整体 提供数据库服务。

在 MPP 架构中，各节点都包含自己的存储和计算功能，可以独立执行查询的一部分。 最后，在内存里进行数据合并，并将结果返回客户端。MPP 具有可伸缩、高可用、高性能、 资源共享等优势。

MPP 由许多松耦合的处理单元组成。注意，这里是指处理单 元而不是处理器。每个单元内的 CPU 都有自己私有的资源，如总线、内存、硬盘等。每个 单元内都有操作系统和管理数据库实例。这种结构最大的特点在于不共享资源。代表数据库 有 ClickHouse 、Snowflake 、Azure Synapse Analytics 、Impala 、Greenplum 、Elasticsearch、 Presto 。MPP 架构原理图如图2所示。

$$▲图2MPP架构原理图$$
MPP 典型特征如下：

• 每个处理器都使用自己的操作系统和内存。

• 支持无共享架构。

• 多个处理器对单个任务进行协调处理。每个处理器处理任务的不同部分。

• 每个节点只负责处理自己磁盘上的任务。

• 每个节点维护自己的一组锁表和缓存池，增加了内存功能的可用性。

• 只需添加机架即可轻松实现可扩展性，支持 TB 到 PB 数据量级的水平扩展。

• 完全不共享资源，所以不存在资源争用。

• 被设计为分布式架构。

• 数据被水平分区，压缩率高，以最佳方式使用内存。

• 处理器使用消息进行通信。

MPP 的优点如下。

1 ）每个处理器都使用自己的操作系统和内存。

2 ）性能好。大规模数据并行处理能力优秀，适合于复杂的大型数据分析与处理场景。

3）可伸缩。在 MPP 增加节点时，MPP 的性能可以线性扩展。MPP 在数据仓库决策支持和数据挖掘方面占据优势。

4 ）低成本。基于 MPP 的数据仓库解决方案旨在廉价的商用硬件上运行，不需要可能 包含成本的企业级双冗余组件。

5 ）高可用。使用自动数据复制来提高系统弹性并确保高可用性。

6）高吞吐量。MPP 可以实现非常高的吞吐量，因为读写操作可以在集群中的独立节点 上并行执行。

MPP 的缺点如下。

1 ）管理成本高。MPP 需要一种复杂的机制来调度和平衡各个节点的负载和并行处理过 程，通信复杂。当通信时间长时， MPP 性能会变差。目前一些基于 MPP 技术的服务器一般 通过系统级软件（如数据库）来屏蔽这种复杂性。

2 ）短板效应：如果遇到“短板”节点，整个引擎的性能将下降到该短板节点的能力（木桶的短板）。MPP 架构不适合异构的机器，它要求各节点配置相同。

MPP 的典型应用场景是数据仓库、大规模数据处理和数据挖掘等。

关于作者：陈光剑，资深大数据专家、后端技术专家和架构师，拥有超过10年的技术研发和管理经验，一线实战经验丰富。现就职于字节跳动，曾就职于阿里巴巴，主要从事企业智能数字化经营管理、电商智能数字化运营等系统架构设计和研发工作。

本文摘编于《ClickHouse入门、实战与进阶》（书号：9787111727170），经出版方授权发布，转载请标明文章出处。

推荐理由：字节跳动大数据专家撰写，集大成之作，4个维度全面展开，上百个案例，入门标准参考书，日常工作案头必备。