数据仓库与 OLAP大规模并行处理
MPP 是什么？
一条查询拆到所有节点并行算，再汇总结果
类比：一百个人分头数钱，最后把结果加起来
核心思路
Shared-Nothing 架构：每个节点有自己的 CPU、内存、磁盘，互不共享。查询被切成多个 fragment 下发到所有节点，每个节点只算自己那部分数据，最后汇总。
因为数据本地就能算，省掉了大量网络传输，这是 MPP 数据库比“单机数据库 + 中间件分库分表”快得多的原因。
对 SQL 的要求
MPP 依赖“数据分布均匀”和“join 键与分桶键对齐”。如果 join 的两张表分桶键不一致，就要做数据重分布（shuffle），代价很大。所以建模时要让大表按同一个维度分桶。
和 Hadoop 的区别
Hadoop/Spark 是“存算分离 + 弹性调度”，适合超大规模离线批处理，但延迟高；MPP 数据库是“存算一体 + 常驻进程”，延迟低但扩容不如 Hadoop 灵活。实时报表用 MPP，离线跑批用 Spark。