刚才我就给大家讲了一下我们整体的大数据推动IT架构变革的整个情况。下面给大家重点介绍一下MPP数据库的主流技术。可能大家有些人还不太明白，MPP究竟是什么意思？它就是大规模并行处理系统，系统有许多松偶合处理单元组成，每个单元内的CPU都有自己私有的资源，如总线、内存、硬盘等。在每个单元内都有操作系统和管理数据库的实例副本，这种结构最大的特点在于不共享资源。MPP这个架构，对应有一个SMP，那个架构它的CPU是共享内存，所以它不容易扩展，因为每个CPU都要共享内存，MPP是在这个单元内的CPU不占内存，而彼此之间，每个单元之间是松偶合的，基本上我们认为每个单元就是一个独立的服务器，就是多个服务器的节点，把它组合起来进行并行处理。
对于MPP的数据库，它应该具有Shared Nothing架构，任务并行执行，数据分布式存储，分布式计算，横向扩展，这个横向扩展非常重要。MPP的架构它像我们新型的NoSQL的产品，它选用MPP架构，Hadoop产品也是MPP的架构。我们这里给大家讲的MPP数据库是指NewSQL这个阵营里的产品。
我们一般大数据的平台分为四层，分为基础设施层、采集和预处理层，还有数据处理平台，以及上层的应用平台。我们MPP数据库就是在处理平台上，它跟传统的事务型数据库，以及Hadoop它们一起都是做数据处理的。我们知道MPP技术不是说现在才提出来的，它是很早，在我们80年代的时候，大机时代学术界就已经提出它是解决数据的一种方式。但是，确实有这么多数据的时候，新一代的数据处理技术都要选择MPP这个架构呢？主要是来自于它支撑它的软硬件的发展。首先，是Internet推动了网络技术的发展，并且性价比不断的提升。我们知道现在的网络，千兆支持到万兆，甚至支持到四万兆的网络，相对来说交换机、网卡的价格确实在下滑的。另外，对于支撑我们数据库的服务器它也是在不断的发展，它现在基本上都能支持多核、多CPU的这种技术，而且支持大内存，现在有120G、256G的。所以，这块PC服务器价格本来就便宜，但是它的性能不断的提升，能达到类似小型机的性能，而且支持数据库产品的操作系统，Linux系统也是不断的成熟。这些都推动了MPP的技术有了可靠的基础。大数据它的数据爆炸式的增长，以前单个SMP系统已经无法应付数据增长带来的压力。所以，我们必须要有新的技术了。所以，基于的大数据平台技术一般都是训练MPP的架构。
MPP的数据库我们认为它要维持关系型的模型。SQL就像是我们在数据库的行业里头大家说的普通话，经过这么多年的发展，SQL已经成为大家做英文开发的一种标准的语言，如果新的数据库产品不支持，就听不懂人家说的话了，所以我们认为MPP数据库应该支持SQL92的标准，甚至要做一些扩充，另外它也必须支持存储过程，因为很多处理都是写到存储过程由数据库来完成运算的。所以，虽然是一个新的数据库也必须要支持这个过程。另外，我们也要支持事务，以及ACID的约束，ACID主要指一个事务执行的原则性、一致性、隔离性和持久性。分布式的架构自然也要遵守CAP的原则。主要是MPP厂家告诉我的，他们认为C就是一致性，A是可用性，P是分区容忍性。理论上说这三个在分布式架构里头不能三个都支持，只能三选二。我们作为一个分布式数据库，当你出现异常的情况，就要选你是支持C，还是支持。MPP数据库一般会选择C，就是一致性，当出现故障的时候，会有意识把一些功能让它减弱，然后用同步机制修复这个节点，等节点恢复以后它再正式的运行。我们知道传统的关系型数据库其实它支持的是CA，是一致性和可用性的。
数据库架构的发展趋势，就是从单机到分布式，最早是单机分布式，特点是计算集中、存储集中。后来要提升性能，出现了Shared DIS（音译）数据库，最单行的就是Oracle数据库，这个也能满足一定的大数据的需求，但是它有一个问题的，上层的节点数增加，都要到统一的磁盘上来取，瓶颈就会在共享数据这个磁盘上。另外，这种也无法避免单点故障，万一数据坏了，上层的节点数也多没有用。数据体量再大的情况下已经超出了你这样架构的限制了，已经存不下了，我们再发展就是MPP+Shared Nothing架构的。单台服务器的处理性能是有限的，我们的数据也是有限的，这样就是我正好数据也小，正好普通的PC服务器就能处理有限的数量的数据，我这个架构好处在于我可以扩展好多个节点，通过这些节点并行运算得出最终的结果。像Hadoop也是这种架构。从用户的角度来说，共享架构一般是采用小型机，硬件成本都是上千万的级别。我们现在用Shared Nothing和MPP架构可以用普通的低成本的X86 PC服务器就可以满足。后续数据量再大的时候还可以投入横向扩展，有扩展能力。所以，现在MPP数据库也成为大数据的选型之一。