数据库技术诞生至今，发展创新的脚步从未停歇，本文将带你全面了解数据库架构的演进路线和趋势。
引言
“数据库”一词问世于20世纪60年代，其发展经历了多个阶段。
起初，以Oracle、DB2、SQLServer为代表的关系型数据库占据大部分市场，纵横数据库江湖数年。
20世纪90年代，伴随着基于MPP架构的Netezza和Teradata数据库的产生，尤其是大数据技术的产生以及分布式处理Hadoop技术的出现，使得占主导地位的Oracle、DB2、SQLServer等传统产品在分析型场景上面临严峻的考验。
然而，Hadoop架构并无法完全解决企业的需求。随着云计算时代的到来，Hadoop架构在延迟、拓展性、小文件处理和读写灵活性等方面的局限日益凸显，促使行业拥抱云架构下的云原生数据库。
数据库架构发展主要阶段
基于SMP架构数据库
基于MPP架构数据库
基于Hadoop/HDFS架构数据库
基于云原生架构数据库
接下来，我们将对以上几种数据库架构的特点逐一进行解读。
基于SMP（对称多处理）架构数据库
自20世纪80年代初以来，数据库市场一直由Oracle、Microsoft和IBM主导，他们提供了满足当时用户的通用解决方案，其底层硬件和数据库系统架构是在20世纪70年代开发的，使用的是对称多处理（SymmetricalMulti-Processing，SMP）架构，核心原理是多处理器共享统一的内存和磁盘等，应用场景以单机为主。
上图展示了Windows任务管理器，它显示了8个处理器正在SMP架构数据库服务器上执行指令。基于SMP架构数据库具有以下特点：
优点
成本和性能：SMP架构是经过验证的成熟体系结构，产品部署成本相对较低，其性能和吞吐量有一定的保证。
部署方式：SMP架构数据库几乎可以在任何硬件上运行，包括大型服务器和中型商用硬件，还可以运行在云平台的虚拟服务器。SMP架构基于多核，支持物理核和虚拟核。
数据一致性：下图展示了SMP架构的数据库基本特性，即直接连接到本地或者网络磁盘的单台计算机。实际上，SMP架构数据存在一份副本，因此可以保证数据一致性，这与许多NoSQL解决方案相比较存在一定的优势。
缺点
可扩展性不足：SMP架构虽然可以通过增加服务器配置进行扩展，但是实际上可扩展性十分有限，单纯的增加服务器配置未必可以线性提高性能，同时也带来较高的人力物力成本。
资源浪费：由于SMP架构可扩展性不足，因此很多项目在最初规划时候，一步到位 化地部署资源，以此保证规划的资源足以满足一定期限内的需求，这种超前配置在项目前期造成了资源浪费。
工作负载管理：基于SMP架构的数据库，由于架构的特殊性，很难同时满足快速响应和高吞吐量的需求。下图说明了一种常见的方案，即面向客户的在线事务处理（OLTP）系统可以提供快速响应时间，同时该系统定期将数据同步到单独的联机分析处理（OLAP）数据仓库平台。
弹性和可用性：由于SMP架构使用的是单一的平台，因此为了提供弹性和可用性，需要部署一套单独的备用数据库，整体而言，代价较大。
基于MPP（大规模并行处理）架构数据库
年，基于MPP架构的TeraData交付了 个TB级生产数据库。两年后，福布斯杂志将TeraData授予“年度产品”称号。此后，MPP架构被Netezza，MicrosoftParallelDataWarehouse(PDW)和HPVertica等采用。
下图提供了MPP架构的图示，该架构的典型特点是单独的服务器接收用户的SQL语句，然后再被分配到多个独立运行的数据库服务器上。这些数据库服务器都是一 立的计算机，具有自己的CPU、内存和磁盘，这些服务器连接起来作为单个集群运行，服务器之间通过内部网络进行通信。
MPP架构为数据仓库和数据分析平台提供了出色的解决方案，查询可以分散到节点并行执行，可以显著地提高性能。但是，与SMP架构不同，MPP架构的数据分布方式至关重要，直接影响到数据库吞吐量和响应时间。下图展示了三种常用的MPP数据分布方式。
复制方式：通常用于较小的表，采用此方式分布数据，在每个节点上都重复着所有数据，存在一定的浪费。此方式在维度表时可以考虑，因为维度表通常需要与一个数据量大的事实表进行关联，这样就类似在集群的每个节点的本地磁盘进行关联计算，从而避免了跨节点的数据转移。
一致性Hash：通常适用于较大的事实表，主要是通过一定方式生成键值，将每一行记录分配到相应的服务器上，此方式可以保证数据均匀分配，但是如果键值生成方式不恰当，导致节点数据分布不均匀，会影响整体性能。
轮循方式：此方式主要是以循环方式依次对将数据依次写入节点中，这种方式适合临时层的表，这些表通常只被读写一次。它的优点是能保证数据均匀分布。使用此方式，需要将所有的表轮循分配到所有的节点，否则整体性能会比较差。
相比于SMP架构，基于MPP架构数据库具有以下优缺点：
优点
性能：由于数据分散在不同的节点上，节点是使用独立的资源，节点之间性能隔离，每个节点执行一部分计算任务，并行处理，可以提高整体执行性能。
可扩展性和并发性：MPP架构可以通过横向扩展服务器节点数，提升处理能力。基于MPP架构的计算能力，可以支持多用户同时访问数据库。
低成本的高可用：一些MPP架构的数据库在廉价的商用硬件上运行，数据通过副本提供冗余保护，自动故障探测和管理，自动同步元数据和业务数据，这样可以有效地利用资源，相比于SMP架构的冗余设备，成本有所降低。
读写吞吐量：由于读写操作可以在集群的不同计算节点上并行执行，因此可以实现高吞吐量。
缺点
成本高：MPP架构的复杂性较高，TeraData和Netezza为最早的MPP数据库产品，使用一体机架构，使得用户的成本居高不下。
数据分布方式至关重要：MPP架构，如果数据分布方式不恰当，会引起某些节点计算过载而部分节点闲置，这将直接影响数据库的吞吐量和查询响应时间。如果没有正确选择表关联字段作为数据分布字段，在执行关联时候，会导致节点之间过多的数据交换，也会引发性能问题。下图展示了数据在不同节点之间的交换。
扩缩容复杂：MPP架构的数据库、计算和存储是紧耦合的，如果需要扩缩容，需要对数据重新分布，这样会严重影响数据库的性能，甚至需要停机。
只支持横向扩展：MPP架构计算和存储是紧耦合的，所以只支持横向扩展，通过增加节点方式进行扩展。
资源浪费：由于计算和存储紧耦合，无法单独增加计算资源或者存储资源，在增加存储的同时，需要增加计算资源，势必造成资源的浪费。
基于Hadoop/HDFS架构数据库
上图展示了-年之间行业内对大数据技术的
转载请注明：http://www.0431gb208.com/sjszlfa/3723.html
