MPP與Hadoop，兩種主流大資料系統架構有啥區別？

同樣都可以處理大規模資料的MPP資料庫架構與Hadoop體系架構屬於不同的技術體系，二者沒有直接的相關性，卻常常被放在一起進行比較。特別是在企業資料倉儲建設中，MPP架構與Hadoop架構代表兩類典型的技術路線選型，事實上，在2015年左右甚至有人認為基於Hadoop體系的數倉將徹底取代基於MPP資料庫的數倉。

01設計思路對比

兩類系統執行的硬體架構是相同的，都是普通伺服器組成的叢集，但從資源管理角度來說，它們並行化軟體實現的設計思路卻是相反的。

MPP架構相當於對單機的各類資源進行垂直綜合管理，再將多個單機系統橫向連線進行整合，可以說是先垂直後水平。

Hadoop架構相當於將所有機器的儲存資源與計算資源抽象出來，分開管理，再進行元件級的垂直整合，可以說是先水平後垂直。

MPP與Hadoop架構對比如圖1所示。

▲圖1 MPP與Hadoop架構對比

具體分析如下：

MPP架構是將許多單機資料庫通過網路連線起來，相當於將一個個垂直系統橫向連線，形成一個統一對外服務的分散式資料庫系統，每個節點由一個單機資料庫系統獨立管理和操作該節點所在物理機上的所有資源(CPU、記憶體、磁碟、網路)，節點內系統的各元件間的相互呼叫不需要通過控制節點，即對控制節點來說，每個節點的內部執行過程相對透明。

Hadoop架構是將不同的資源管理與功能進行分層抽象設計，每層形成一類元件，實現一定程度的解耦，包括儲存資源管理、計算資源管理、通用平行計算框架、各類分析功能等，在每層內進行跨節點的資源統一管理或功能並行執行，層與層之間通過介面呼叫，相互透明，節點內不同層的元件間的相互呼叫需要由控制節點掌握或通過控制節點協調，即控制節點了解每個節點內不同層元件間的互動過程。

02優缺點對比

MPP架構的優缺點總結如下：

支援標準SQL，每個節點都有豐富的事務處理和管理功能;

資源管理精細;

更適合預知資料結構模型的中等規模的固定模式資料管理;

叢集規模調整要求較多，增減節點時通常需要停機，且有的系統只能增加不能減少;

延遲小，相對吞吐量一般，單節點緩慢會拖累整體效能;

表記錄進行水平分割儲存，方法通常包括一致性雜湊(Consistent Hashing)、迴圈寫入(Round Robin)，但容易產生資料熱點。

Hadoop架構的優缺點總結如下：

每個節點功能簡單，不具備豐富的資料管理功能，不支援事務;

資料更新採用追加方式實現，同等資料量處理需要的資源更多;

可以不用預先了解資料的格式與內容;

擴充套件性好，支援叢集規模更大，能動態擴容，支援擴充僅用於計算的節點;

延遲高、吞吐量大、容錯性(Failover)好。

總體來說，Hadoop架構在資料量較低的情況下，執行速度遠不及MPP架構，但資料量一旦超過某個量級，Hadoop架構在吞吐量方面將非常有優勢。有些大資料資料倉儲產品也採用混合架構，以融合兩者的優點，例如Impala、Presto等都是基於HDFS的MPP分析引擎，僅利用HDFS實現分割槽容錯性，放棄MapReduce計算模型，在面向OLAP場景時可實現更好的效能，降低延遲。