幾款分布式數(shù)據(jù)庫(kù)的對(duì)比

1、1 概述隨著海量數(shù)據(jù)問(wèn)題的出現(xiàn)，海量管理能力，多類型，變化快，高可用性，低成本，高端可擴(kuò)展性等需求給企業(yè)數(shù)據(jù)戰(zhàn)略帶來(lái)了巨大的挑戰(zhàn)。企業(yè)數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)中心的技術(shù)選型變得尤其重要！所以在選型之前，有必要對(duì)目前市場(chǎng)上各種大數(shù)據(jù)量的解決方案進(jìn)行分析。2 主流分布式并行處理數(shù)據(jù)庫(kù)產(chǎn)品介紹2.1 Greenplum2.1.1 基礎(chǔ)架構(gòu)Greenplum是基于Hadoop的一款分布式數(shù)據(jù)庫(kù)產(chǎn)品，在處理海量數(shù)據(jù)方面相比傳統(tǒng)數(shù)據(jù)庫(kù)有著較大的優(yōu)勢(shì)。Greenplum整體架構(gòu)如下圖：Network Interconnect.MasterSevers查詢解析、優(yōu)化、分發(fā)SegmentSevers查詢處理、數(shù)據(jù)存儲(chǔ)SQ

2、LMapReduceExternalSources數(shù)據(jù)加載SQLMapReduce.SQLMapReduce數(shù)據(jù)庫(kù)由Master Severs和Segment Severs通過(guò)Interconnect互聯(lián)組成。Master主機(jī)負(fù)責(zé)：建立與客戶端的連接和管理；SQL的解析并形成執(zhí)行計(jì)劃；執(zhí)行計(jì)劃向Segment的分發(fā)收集Segment的執(zhí)行結(jié)果；Master不存儲(chǔ)業(yè)務(wù)數(shù)據(jù)，只存儲(chǔ)數(shù)據(jù)字典。Segment主機(jī)負(fù)責(zé)：業(yè)務(wù)數(shù)據(jù)的存儲(chǔ)和存取；用戶查詢SQL的執(zhí)行。2.1.2 主要特性Greenplum整體有如下技術(shù)特點(diǎn)：u Shared-nothing架構(gòu)海量數(shù)據(jù)庫(kù)采用最易于擴(kuò)展的Shared-noth

3、ing架構(gòu)，每個(gè)節(jié)點(diǎn)都有自己的操作系統(tǒng)、數(shù)據(jù)庫(kù)、硬件資源，節(jié)點(diǎn)之間通過(guò)網(wǎng)絡(luò)來(lái)通信。u 基于gNet Software Interconnect數(shù)據(jù)庫(kù)的內(nèi)部通信通過(guò)基于超級(jí)計(jì)算的“軟件Switch”內(nèi)部連接層，基于通用的gNet (GigE， 10GigE) NICs/switches在節(jié)點(diǎn)間傳遞消息和數(shù)據(jù)，采用高擴(kuò)展協(xié)議，支持?jǐn)U展到1000個(gè)以上節(jié)點(diǎn)。u 并行加載技術(shù)利用并行數(shù)據(jù)流引擎，數(shù)據(jù)加載完全并行，加載數(shù)據(jù)可達(dá)到4。5T/小時(shí)（理想配置）。并且可以直接通過(guò)SQL語(yǔ)句對(duì)外部表進(jìn)行操作u 支持行、列壓縮存儲(chǔ)技術(shù)海量數(shù)據(jù)庫(kù)支持ZLIB和QUICKLZ方式的壓縮，壓縮比可到10：1。壓縮數(shù)據(jù)不一

4、定會(huì)帶來(lái)性能的下降，壓縮表通過(guò)利用空閑的CPU資源，而減少I(mǎi)/O資源占用。海量數(shù)據(jù)庫(kù)除支持主流的行存儲(chǔ)模式外，還支持列存儲(chǔ)模式。如果常用的查詢只取表中少量字段，則列模式效率更高，如查詢需要取表中的大量字段，行模式效率更高。海量數(shù)據(jù)庫(kù)的多種壓縮存儲(chǔ)技術(shù)在提高數(shù)據(jù)存儲(chǔ)能力的同時(shí)，也可根據(jù)不同應(yīng)用需求提高查詢的效率2.1.3 主要局限l 列存儲(chǔ)模式的使用有限制，不支持delete/update操作。l 用戶不可靈活控制事務(wù)的提交，用戶提交的處理將被自動(dòng)視作整體事務(wù)，整體提交，整體回滾。l 數(shù)據(jù)庫(kù)需要額外的空間清理維護(hù)（vacuum），給數(shù)據(jù)庫(kù)維護(hù)帶來(lái)額外的工作量。l 用戶不能靈活分配或控制服務(wù)器資源

5、。l 對(duì)磁盤(pán)IO有比較高的要求。l 備份機(jī)制還不完善，沒(méi)有增量備份。2.2 Vertica2.2.1 基礎(chǔ)架構(gòu)與以往常見(jiàn)的行式關(guān)系型數(shù)據(jù)庫(kù)不同，Vertica 是一種基于列存儲(chǔ)（Column-Oriented）的數(shù)據(jù)庫(kù)體系結(jié)構(gòu)，這種存儲(chǔ)機(jī)構(gòu)更適合在數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)和商業(yè)智能方面發(fā)揮特長(zhǎng)。常見(jiàn)的RDBMS 都是面向行（Row-Oriented Database）存儲(chǔ)的，在對(duì)某一列匯總計(jì)算的時(shí)候幾乎不可避免的要進(jìn)行額外的I/O 尋址掃描，而面向列存儲(chǔ)的數(shù)據(jù)庫(kù)能夠連續(xù)進(jìn)行I/O 操作，減少了I/O 開(kāi)銷，從而達(dá)到數(shù)量級(jí)上的性能提升。同時(shí)，Vertica 支持海量并行存儲(chǔ)（MPP）架構(gòu)，實(shí)現(xiàn)了完全無(wú)共享，

6、因此擴(kuò)展容易，可以利用廉價(jià)的硬件來(lái)獲取高的性能，具有很高的性價(jià)比。如下圖，展示的是單節(jié)點(diǎn)上的Vertica 的基本體系結(jié)構(gòu)。Vertica 體系結(jié)構(gòu)作為關(guān)系型數(shù)據(jù)庫(kù)，Vertica 的查詢SQL 也是在前端被解析和優(yōu)化的。但與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)有所不同，Vertica內(nèi)部是混合存儲(chǔ)的，包括兩種不同的存儲(chǔ)結(jié)構(gòu)：寫(xiě)優(yōu)化器（WOS）和讀優(yōu)化器（ROS）。(1) 寫(xiě)優(yōu)化器WOS（Write-Optimized Store）是位于主存儲(chǔ)器上的一個(gè)數(shù)據(jù)結(jié)構(gòu)，用于有效的支持?jǐn)?shù)據(jù)插入和更新操作；數(shù)據(jù)的存放是無(wú)序的，非壓縮的。(2) 讀優(yōu)化器ROS（Read-Optimized Store）是磁盤(pán)物理存儲(chǔ)，存放

7、的是排序和壓縮后的數(shù)據(jù)庫(kù)大塊數(shù)據(jù)，因此這里的查詢相比于WOS 性能更好。(3) Tuple Mover 進(jìn)程是Vertica 內(nèi)部的一個(gè)進(jìn)程，定期的以大數(shù)據(jù)塊的形式把數(shù)據(jù)從WOS 移到ROS，由于是對(duì)整個(gè)WOS 操作，TupleMover 一次能非常有效的排序很多記錄，最后批量把它們寫(xiě)入磁盤(pán)。在Vertica 內(nèi)部，不論是WOS 還是ROS 都是按列存儲(chǔ)的。2.2.2 主要特性Vertica 的關(guān)鍵特性：1 列存儲(chǔ)（Column-orientation）由于大多數(shù)的查詢都是要從磁盤(pán)讀取數(shù)據(jù)，因此可以說(shuō)disk I/O 在很大程度上決定了一個(gè)查詢的最終響應(yīng)時(shí)間。2 壓縮機(jī)制（Aggressive

8、 Compression）在數(shù)據(jù)存儲(chǔ)方面，Vertica 利用內(nèi)部的特定算法對(duì)數(shù)據(jù)進(jìn)行壓縮處理。這樣的機(jī)制會(huì)大大減少disk I/O 的時(shí)間（D），同時(shí)由于Vertica 對(duì)掃描和聚合等操作也在內(nèi)部進(jìn)行了優(yōu)化，可以直接處理壓縮后的數(shù)據(jù)，這樣CPU 的工作負(fù)載（C）也減少了。如上例中的AVG 聚合函數(shù)，Vertica 是不需要將壓縮數(shù)據(jù)先做類似解壓這種處理的，因此查詢性能得到優(yōu)化。3 讀優(yōu)化存儲(chǔ)（Read-Optimized Storage）Vertica 的數(shù)據(jù)庫(kù)存儲(chǔ)容器ROS Container 專門(mén)為讀操作進(jìn)行了優(yōu)化設(shè)計(jì)，且其中的數(shù)據(jù)是經(jīng)過(guò)了排序和壓縮處理的，即每個(gè)磁盤(pán)頁(yè)上不會(huì)有空白空間，

9、而傳統(tǒng)的數(shù)據(jù)庫(kù)一般會(huì)在每頁(yè)上預(yù)留空間以便日后的insert 操作來(lái)使用。4 多種排序方式的冗余存儲(chǔ)為了高可用性和備份恢復(fù)的需要，Vertica 會(huì)按照不同的排序方式對(duì)數(shù)據(jù)做冗余存儲(chǔ)，這不但避免了大量的日志操作，也為查詢帶來(lái)了便利。Vertica 的查詢優(yōu)化器會(huì)自動(dòng)選擇最優(yōu)的排序方式來(lái)完成特定的查詢。5 并行無(wú)共享設(shè)計(jì)Vertica 支持完全無(wú)共享海量并行存儲(chǔ)（MPP）架構(gòu)，隨著硬件Server 的增加，多個(gè)CPU 并行處理，性能也可以得到線性的擴(kuò)展，這樣用戶使用廉價(jià)的硬件就可以獲得較高的性能改善。6 其他管理特征除了有優(yōu)越的性能以外，Vertica 在數(shù)據(jù)庫(kù)管理方面也進(jìn)行了非常人性化的設(shè)計(jì)。V

10、ertica Database Designer 是一個(gè)界面化的日常管理工具，并且能為用戶作出詳盡的DB 層物理設(shè)計(jì)方案，大大減少了日后的性能調(diào)優(yōu)方面的開(kāi)銷。Vertica 通過(guò)K-Safety 值的設(shè)置，完成了數(shù)據(jù)庫(kù)的備份恢復(fù)機(jī)制，并保證了高可用性。對(duì)于數(shù)據(jù)庫(kù)中的每個(gè)表每個(gè)列，Vertica 都會(huì)在至少K+1 個(gè)節(jié)點(diǎn)上存儲(chǔ)，如果有K 個(gè)節(jié)點(diǎn)宕機(jī)，依然能夠保證Vertica DB 是完整可用的；當(dāng)損壞的節(jié)點(diǎn)恢復(fù)時(shí)，Vertica 自動(dòng)完成節(jié)點(diǎn)間的熱交換，把其他節(jié)點(diǎn)上的正確數(shù)據(jù)恢復(fù)過(guò)來(lái)。通過(guò)這種機(jī)制也保證了Vertcia 庫(kù)的節(jié)點(diǎn)數(shù)目可以自由伸縮而不會(huì)影響到數(shù)據(jù)庫(kù)的操作。Vertica 通過(guò)兩種

11、技術(shù)來(lái)實(shí)現(xiàn)在線的持續(xù)數(shù)據(jù)裝載而不會(huì)影響到數(shù)據(jù)庫(kù)的訪問(wèn)。Vertica 通常運(yùn)行在快照隔離（Snapshot Isolation）模式下，該模式下查詢讀取的是最近的一致的數(shù)據(jù)庫(kù)快照，這個(gè)快照是不能被并發(fā)的update 或delete 操作更改的，因此查詢操作也不需要占用鎖，這種方式保證了數(shù)據(jù)裝載（insert）和其他查詢能互不干擾。另外，Vertica 可以把數(shù)據(jù)直接裝載到WOS 結(jié)構(gòu)中，WOS 中的數(shù)據(jù)是不排序或索引的，所以裝載速度會(huì)很快，然后再由Tuple Mover 進(jìn)程在后臺(tái)把數(shù)據(jù)移入ROS 中，由于TupleMover 的操作是大塊讀?。╞ulk-load）的，所以性能也很好。2.2.

12、3 主要局限l 不支持SQL存儲(chǔ)過(guò)程及函數(shù)，用戶需通過(guò)UDFs（User Defined Function，基于C+）來(lái)自定義函數(shù)或過(guò)程。l 軟件授權(quán)按原始未經(jīng)壓縮的裸數(shù)據(jù)量計(jì)算。l 列存儲(chǔ)的一些劣勢(shì)，復(fù)雜查詢等性能不理想。l 對(duì)內(nèi)存有比較高的要求。l 在國(guó)內(nèi)還沒(méi)有成功案例。2.3 Sybase IQ(15.4)2.3.1 基礎(chǔ)架構(gòu)SYBASE IQ是Sybase公司推出的特別為數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的關(guān)系型數(shù)據(jù)庫(kù)。SYBASE IQ的架構(gòu)與大多數(shù)關(guān)系型數(shù)據(jù)庫(kù)不同，它特別的設(shè)計(jì)用以支持大量并發(fā)用戶的即席查詢。其設(shè)計(jì)與執(zhí)行進(jìn)程優(yōu)先考慮查詢性能，其次是完成批量數(shù)據(jù)更新的速度。而傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)引擎的設(shè)計(jì)既考

13、慮在線的事務(wù)進(jìn)程又考慮數(shù)據(jù)倉(cāng)庫(kù)（而事實(shí)上，往往更多的關(guān)注事務(wù)進(jìn)程）。Sybase在2010年推出的Sybase IQ 15.3就采用了全共享架構(gòu)的 PlexQ 技術(shù)，該技術(shù)重新定義了企業(yè)范圍的業(yè)務(wù)信息，全共享架構(gòu)可輕松支持涉及海量數(shù)據(jù)集、海量并發(fā)用戶數(shù)和獨(dú)特工作流程的多種復(fù)雜分析樣式，大大增加了其效益。與其他 MPP 解決方案不同，Sybase IQ 的 PlexQ 網(wǎng)格技術(shù)能夠動(dòng)態(tài)管理可輕松擴(kuò)展并且專用于不同組和流程的一系列計(jì)算與存儲(chǔ)資源中的分析工作量，從而使其能夠以更低的成本更輕松地支持日益增長(zhǎng)的數(shù)據(jù)量以及快速增長(zhǎng)的用戶社區(qū)。Sybase IQ 15.4采用業(yè)內(nèi)領(lǐng)先的MPP列式數(shù)據(jù)庫(kù)和最先

14、進(jìn)的數(shù)據(jù)庫(kù)內(nèi)分析技術(shù)，并革命性地加入MapReduce與Hadoop集成，以應(yīng)對(duì)大數(shù)據(jù)時(shí)代的分析挑戰(zhàn)，開(kāi)啟洞察關(guān)鍵業(yè)務(wù)的能力。Sybase IQ 15.4正在打破數(shù)據(jù)分析的壁壘，徹底改變“大數(shù)據(jù)分析”領(lǐng)域。基于成熟的PlexQ 技術(shù)構(gòu)建的Sybase IQ 采用下圖所示的三層構(gòu)架：基本層：數(shù)據(jù)庫(kù)管理系統(tǒng) (DBMS)，這是一個(gè)全共享 MPP 分析 DBMS 引擎，是Sybase IQ 最大的獨(dú)特優(yōu)勢(shì)。第二層：分析應(yīng)用程序服務(wù)層，其提供 C+ 和 Java 數(shù)據(jù)庫(kù)內(nèi) API，并可實(shí)現(xiàn)與外部數(shù)據(jù)源的集成和聯(lián)邦；包括四種 與Hadoop 的集成方法。頂層：Sybase IQ 生態(tài)系統(tǒng)，由四個(gè)強(qiáng)大且不

15、同的合作伙伴和認(rèn)證 ISV 應(yīng)用程序組成?；谶@種 PlexQ 技術(shù)，Sybase IQ 15.4 將大數(shù)據(jù)轉(zhuǎn)變成可指揮每個(gè)人都行動(dòng)的情報(bào)信息，從而在整個(gè)企業(yè)的用戶和業(yè)務(wù)流程范圍內(nèi)輕松具備大數(shù)據(jù)的分析能力。2.3.2 主要特性Sybase IQ（15.4）的關(guān)鍵特性：1.  更強(qiáng)的數(shù)據(jù)管理大量增強(qiáng)的功能改善了Sybase IQ 的數(shù)據(jù)管理、部署和可維護(hù)性。更快速的批量加載: 批量加載數(shù)據(jù)通過(guò)ODBC 和 JDBC 接口插入到Sybase中，從而實(shí)現(xiàn)具有更高可擴(kuò)展性的應(yīng)用程序，同時(shí)可極大提高加載性能。更出色的文本壓縮: 更出色地對(duì) VARCHAR、VARBINARY、CHAR 和 BI

16、NARY 壓縮可實(shí)現(xiàn)以更高效率、更低成本部署高性能文本分析應(yīng)用程序，同時(shí)極大提高壓縮速率。2.  豐富的應(yīng)用程序Sybase IQ 15.4 增加了一系列 API 和工具，用于創(chuàng)建在數(shù)據(jù)庫(kù)內(nèi)運(yùn)行的高級(jí)分析算法，并且能通過(guò) PlexQ 網(wǎng)格能充分利用大規(guī)模并行處理的能力。支持自帶Map Reduce的表參數(shù)化用戶自定義函數(shù)(UDF)這是 Sybase IQ 的本地應(yīng)用程序編程接口，可使應(yīng)用程序編程人員在 Sybase IQ 數(shù)據(jù)庫(kù)服務(wù)器內(nèi)構(gòu)建和部署 C+ 庫(kù)。使用這些 API 可實(shí)現(xiàn)專有算法或算法包，安全地位于 Sybase IQ 內(nèi)，通過(guò)在保存于 Sybase IQ 數(shù)據(jù)庫(kù)服務(wù)器中的

17、數(shù)據(jù)附近執(zhí)行，以快 10 倍的速度返回結(jié)果。此框架可實(shí)現(xiàn)在 Sybase IQ 中開(kāi)發(fā)和部署 MapReduce 程序，以分析涉及結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)格式的超大數(shù)據(jù)集。C+、Map 和 Reduce 算法通過(guò)標(biāo)準(zhǔn) SQL 加以調(diào)用，并且由 Sybase IQ 強(qiáng)大的查詢引擎自動(dòng)在 PlexQ 網(wǎng)格中進(jìn)行分發(fā)和并行化。Hadoop集成與聯(lián)邦將基于Hadoop的分析的結(jié)果與運(yùn)行于 Sybase IQ 中的查詢相集成。Sybase 是唯一一家提供4種不同方法將標(biāo)準(zhǔn)SQL查詢(客戶端聯(lián)邦、ETL處理、數(shù)據(jù)聯(lián)邦和查詢聯(lián)邦)中的 Hadoop 數(shù)據(jù)和分析與分析數(shù)據(jù)庫(kù)相集成的廠商。Sybase I

18、Q 15.4 充分利用Hadoop來(lái)識(shí)別海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集中的相關(guān)數(shù)據(jù)點(diǎn)，然后將 Hadoop 中的相關(guān)數(shù)據(jù)點(diǎn)集成到 Sybase IQ 中，以便利用傳統(tǒng)數(shù)據(jù)和來(lái)自其他數(shù)據(jù)源的結(jié)果集進(jìn)行分析。預(yù)測(cè)模型標(biāo)記語(yǔ)言 (PMML) 支持通過(guò) Zementis 提供的認(rèn)證插件，自動(dòng)執(zhí)行使用業(yè)界標(biāo)準(zhǔn)語(yǔ)言定義在SAS、SPSS、“R”等工具以及其他流行預(yù)測(cè)工作平臺(tái)產(chǎn)品中所創(chuàng)建的分析模型。充分利用流行的分析工具構(gòu)建預(yù)測(cè)模型，自動(dòng)執(zhí)行在Sybase IQ中部署的預(yù)測(cè)模型，并使用業(yè)界標(biāo)準(zhǔn)語(yǔ)言，以避免形成廠商捆綁?！癛”集成: 用戶可使用 RJDBC 接口，以及流行的開(kāi)源統(tǒng)計(jì)工具“R”查詢Sybase IQ

19、 數(shù)據(jù)庫(kù)。此外，用戶還可以將來(lái)自 Sybase IQ 的“R”庫(kù)作為SQL查詢中的函數(shù)調(diào)用加以執(zhí)行，并返回結(jié)果集。3.  數(shù)據(jù)庫(kù)內(nèi)分析庫(kù)更新的數(shù)據(jù)庫(kù)內(nèi)統(tǒng)計(jì)和數(shù)據(jù)挖掘庫(kù)(來(lái)自Fuzzy Logix 的 DBLytix): 在 Sybase IQ 內(nèi)運(yùn)行的高級(jí)分析、統(tǒng)計(jì)和數(shù)據(jù)挖掘算法庫(kù)。Sybase IQ 15.4中的更新可使該庫(kù)充分利用一些數(shù)據(jù)挖掘算法中的MapReduce API進(jìn)行大規(guī)模并行處理，并且包含多種新函數(shù)，例如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和Adaptive Boosting。4.  擴(kuò)展的生態(tài)系統(tǒng)Sybase IQ 還非常適合面向大數(shù)據(jù)分析的端到端全面解決方案。重要的工

20、具和互補(bǔ)的合作伙伴產(chǎn)品可在以下方面提供幫助:Sybase PowerDesigner® 16.1 參考架構(gòu)生成器: 可通過(guò)在實(shí)施 Sybase IQ 數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市時(shí)生成最佳硬件配置，快速實(shí)現(xiàn)價(jià)值。Sybase Control Center(SCC) : 改進(jìn)方面包括大量管理功能，例如過(guò)程、函數(shù)、UDF(表、TPF 和JavaEE )及文本索引。用戶能夠更輕松地管理 SCC 中頻繁使用的功能，以及更輕松地部署內(nèi)置、外部和文本數(shù)據(jù)庫(kù)內(nèi)分析。此外該版本還包含了新的SQL 執(zhí)行窗口，該窗口可實(shí)現(xiàn)易于測(cè)試的特定 SQL 例程。已通過(guò) SAP®BusinessObjects 認(rèn)證

21、: Sybase IQ 15.4已通過(guò)認(rèn)證，可與SAP Business Objects Business Intelligence Platform 4.0 和SAP Business Objects  Data Services 4.0配合使用，以提供豐富的端到端業(yè)務(wù)分析框架。2.3.3 主要局限l Sybase IQ MPP是Share-Disk 架構(gòu)l 增加硬件，無(wú)法線性的提升數(shù)據(jù)庫(kù)性能。l 列存儲(chǔ)的一些劣勢(shì)，裝載速度，復(fù)雜查詢等性能不理想。l 插入操作上表級(jí)鎖，影響數(shù)據(jù)導(dǎo)入時(shí)影響表上的并發(fā)操作。（*）2.4 Teradata Aster DataTeradata 天睿公司的

22、 Aster Data 分析平臺(tái)是市場(chǎng)領(lǐng)先的大數(shù)據(jù)分析解決方案。Aster Data 分析平臺(tái)嵌入了 MapReduce，對(duì)新數(shù)據(jù)源和多結(jié)構(gòu)數(shù)據(jù)類型進(jìn)行更深入的分析處理，提供具有突破性的性能和可擴(kuò)展性的分析能力。Aster Data 解決方案利用 Aster Data 專利 SQL-MapReduce 來(lái)并行處理數(shù)據(jù)和應(yīng)用程序，可在大范圍內(nèi)提供豐富的分析洞察力。2.4.1 基礎(chǔ)架構(gòu)TD Aster Data平臺(tái)架構(gòu)如下：其中Aster Database架構(gòu)如下：2.4.2 主要特性TD Aster Data有如下技術(shù)特點(diǎn)：u Shared-nothing架構(gòu)海量數(shù)據(jù)庫(kù)采用最易于擴(kuò)展的Shared-nothing架構(gòu)，每個(gè)節(jié)點(diǎn)都有自己的操作系統(tǒng)、數(shù)據(jù)庫(kù)、硬件資源，節(jié)點(diǎn)之間通過(guò)網(wǎng)絡(luò)來(lái)通信。u S Q L MapReduceSQL-MapReduce 是Aster Data公司的專利，在同類技術(shù)中（Greenplum）屬于領(lǐng)先地位。SQL-MapReduce 框架可以使數(shù)據(jù)科學(xué)家和商業(yè)分析師對(duì)復(fù)雜的信息進(jìn)行快速調(diào)查分析，允許一組關(guān)聯(lián)計(jì)算機(jī)（計(jì)算機(jī)群集）使用軟件語(yǔ)言（如 Java、C#、Python、C+ 和 R）并行進(jìn)行程序表達(dá)，然后通過(guò)標(biāo)準(zhǔn) SQL 激活（調(diào)用）使用。u 基于MPP的并行分析平臺(tái)第一個(gè)大規(guī)模并行分析平臺(tái)， 借助 S Q L -MapReduce 支持嵌入