“大数据时代”的概念最早由著名咨询公司麦肯锡提出。麦肯锡表示：”数据已渗透到今天的每个行业和业务功能领域，并已成为重要的生产要素。” 数据在精巧的算法中被挖掘，数据分析变得至关重要，大家开始达成一个共识：”数据计算，能够找到新发现。”
博思艾伦咨询公司的合伙人 Josh Suillivan 在其著作《数字时代的企业进化》一书中提到，其团队研究了数百个组织，提炼出构成未来成功组织模型的要素，这类成功组织被称为”数据公司”。而进化成”数字公司”的关键，是”组织是由数据驱动的”。 在大数据时代，企业不再随便删除数据，而是希望把数据存储起来用于分析。数据库也成为了企业基础架构必不可少的一部分。
![]()
什么是MPP？
MPP（Massive Parallel Processing，大规模并行处理），一直被誉为当今数据库的主流架构，被广泛用于众多数据库产品中，包括Greenplum、Teradata、Vertica等。MPP数据库是针对分析工作负载进行了优化的数据库，以满足用户聚合和处理大型数据集的需求。 MPP分析型数据库将任务并行的分布到多个服务器和节点上，并在完成计算后，将结果返回并汇总，从而完成对海量数据的分析处理。
MPP数据库的优势
MPP数据库集群有可扩展性、高可用性、高性能等众多优势。MPP数据库的诞生解决了单个SQL数据库无法存放海量数据，很难在一台物理机器上完成分析需求的难题。
海量数据处理能力
MPP架构的数据库以PC服务器为单位，通过如下图所示的集群方式来扩展存储和计算。假设一个宽表有3亿条记录，MPP数据库会尝试在每台PC服务器的硬盘上分布1亿条记录。数据计算时，所有机器同时并行计算，理论上最高可以把计算时间降低到单机部署的1/n（n为机器数量），节省了海量数据的处理时间。
![]()
对SQL的完美兼容
大部分传统MPP数据库均实现了对SQL的完美兼容，包括ANSI SQL 2008标准，以及 SQL 2003 OLAP 扩展。对SQL的全面支持使得MPP数据库可以无缝集成业内常见的提取/转换/加载（ETL）和BI（商业智能）工具，完全支持和认证标准数据库接口。企业只需安排少量的集成工作，就可以使用现有的使用标准 SQL 结构和接口的分析工具让应用在 数据库上运行，从而避免了企业受制于供应商，帮助企业在抑制业务风险的同时推动创新。
计算的高度并行化
MPP架构给数据库的高并发性带来了极大的弹性。架构赋予数据库数据和查询的自动并行化能力，数据可以做到自动在数据库的所有节点上分区，并以高度协调的方式使用所有节点来规划和执行查询。企业可以根据自身的并发需求扩展集群，达到所需的并发需求。
水平扩展能力
MPP数据库具有良好的水平扩展能力，企业可以根据业务需求，通过增加服务器，用更多的节点支撑更大的分析需求。
传统MPP数据库的瓶颈
虽然MPP数据库有众多优势，因而成为众多分析型数据库产品的主流架构。然而，传统MPP数据库也有众多瓶颈和限制。
存算耦合
传统数据仓库的计算和存储是紧密耦合的，计算资源和存储资源按某一比例强绑定，因此用户在扩容时，必须同时扩容计算资源和存储资源，在扩容、运维、迁移上都存在一定的挑战。企业业务发展的不确定性，当企业遇到负载高峰时刻，传统数据仓库无法及时扩资源，可能会导致大数据系统无法及时分析业务数据，错失了充分挖掘数据价值所带来的商业机会。
业务受限
传统的 MPP 数据库虽然实现了水平扩展，但是由于存算耦合，水平扩展流程复杂且缓慢。随着用户的数据规模增长，每次扩缩容进行增加节点的操作时，大量的I/O请求会影响业务的处理速度，对业务的持续性会造成一定的影响。当用户负载突然增大时，无法迅速提高算力以响应业务变化，在负载降低时也无法收缩以节约成本。存算的紧密耦合，导致用户无法根据实际需求申请资源，动态扩展，导致用户的业务受限。
成本高昂
传统数据库价格高昂的软硬件导致巨大的前期投入。随着存储和工作负载需求的日益增长，面临数据库的扩容和升级时，由于传统MPP数据库架构存储和计算的紧密耦合，往往需要企业花费巨大的运维和时间成本，且操作繁琐。
木桶效应
传统MPP数据库架构存在”木桶效应”，数据库整体执行速度取决于最”短板”单机（Straggler）的性能。单机故障会”拖垮”整个数据库的性能，导致查询速度变慢。 因此传统的MPP架构往往要求新增的PC机和之前的PC机是一样的老配置，不然任何一个集群的”短板”就会影响整个数据库的性能，也就说摩尔定理不管多厉害，MPP集群拿老机器的存储和性能”一刀切”而取低值。
数据孤岛
随着业务的发展，数据量的增加，和信息化建设的需求，企业会为不同部门建设相应的业务信息化系统。然而MPP的水平”扩展“能力和事实上的”静态“项目实施是矛盾的。“扩展”理论上是和时间关联的一个概念，而基于PC机的MPP设计并不是”时间的朋友“。由于前面提到的存算耦合和”木桶效应”，企业在购买新机器的时候，往往会选择”另起炉灶”，新建一个集群，从而造成”数据孤岛”，严重阻碍了企业实现大数据目标。
全新的eMPP：传统MPP数据库的进阶版
面对传统MPP数据库的短板，OpenPie 团队打造的云原生数据库 PieCloudDB，创造了全新的eMPP分布式架构，构建以云原生、分析型分布式数据库为引擎数据计算平台。
什么是eMPP？
eMPP由OpenPie团队打造，全称是 Elastic Massive Parallel Processing（Elastic MPP，弹性大规模并行计算）。
eMPP超越传统MPP架构，更符合云时代的需求。云平台在信息技术发展过程中具有划时代意义，它带给用户的不仅仅是快捷和便利，更是极大的灵活性和可配置性。用户可以自行定义云主机的配置，定义云主机的数量等，并且可以便捷的增加和删除云主机。一句话来说，云平台给企业应用架构带来了极大的弹性。
MPP架构和云平台相结合，就诞生了eMPP。为了适应云平台的弹性，新的eMPP架构实现了云上存储计算分离。也就是说，计算资源和存储资源可以在云上实现独立的进行水平扩展。
eMPP的优势
存算分离赋予 eMPP 数据库 ”真正” 的弹性。eMPP架构继承了前文中提到的MPP数据库所有优势，并从根本上规避了传统MPP数据库的缺陷，拥有众多优势。
基于云计算平台、存算分离的eMPP（弹性大规模并行计算）架构赋予数据库多维度、智能弹性扩展能力，让用户能够根据业务需求进行横向或纵向的弹性伸缩。
存储侧支持标准对象存储，可以充分利用云计算平台的优势，让对象存储接近无限的容量，避免了企业对集群进行扩容时，因计算资源和存储资源的绑定而造成的资源浪费，可单独进行计算或者存储资源的扩展，存储扩容性价比高。
计算侧在设计上充分考虑无状态实现，计算节点可以充分利用云平台海量的计算节点池，可以按需扩容和缩容。企业可以灵活考虑业务和数据量的变化，动态调整 数据库集群中计算节点的数量，用最适合的资源量来满足其业务需求。
eMPP架构计算和存储分离，避免了资源的浪费。企业可根据对资源的需求，灵活的以低成本和高效的方式，单独地进行存储或计算资源的弹性扩展，提高了资源的利用率，节省空间成本和能耗开销。
eMPP架构带来的动态扩展能力，企业可根据自己对资源的需求进行扩展，避免了资源的浪费，相比于传统数据库，具有更高的性价比。
eMPP架构中，计算节点不存储用户数据，保证了计算节点的无状态性。无状态的计算节点启动和停止非常容易，企业可以根据自身的需求启动足够的冗余计算节点保证eMPP数据库的高可用性。在 eMPP 数据库 中，用户数据存储在云计算平台的对象存储中，充分利用云存储的优势保障用户数据高可用性。
PieCloudDB Database：基于云计算的全新 eMPP 架构
PieCloudDB，采用基于云计算的全新 eMPP（Elastic MPP）弹性并行计算架构，集成了MPP数据库的众多优点，并完美解决了基于PC的传统MPP数据库的缺陷。计算和存储分离。存储和计算作为两个独立变量，可以在云端进行独立的弹性伸缩，避免了资源的浪费。企业可根据业务对资源的需求，灵活的以低成本和高效的方式，单独地进行存储或计算资源的弹性扩展，提高了资源的利用率，节省空间成本和能耗开销。
元数据-计算-数据分离的三层独立架构让 PieCloudDB 实现了将数据集中存储，而元数据独立存储。企业可以像管理商品数据一样来管理自己的数据产品的元数据。企业可以将所有数据在云中存储，为已有和未来的应用真正实现数据共享。
