Database MPP vs SMP: differenze e usi
Massively Parallel Processor (MPP) e Symmetric Multiprocessor (SMP) sono architetture di database concorrenti. In entrambi, server chiamati nodi memorizzano i dati. I database MPP sono scalabili, mentre i sistemi SMP sono più semplici da mantenere.
Database MPP
Le ricerche nei database MPP sono eseguite da ogni processore sui computer dove risiedono i segmenti del database. I database MPP si espandono aggiungendo nuove CPU. Sono una forma di database lineare scalabile o parallelo. Distribuire i dati su più sistemi in fette più sottili velocizza le ricerche. Le prestazioni MPP sono lineari, crescendo proporzionalmente al numero di nodi. I nodi MPP sono gestiti come un singolo computer. SQL nacque per elaborare dati su database MPP. Cognos Business Intelligence e Teradata girano su database MPP.
Database SMP
I database SMP condividono software, risorse I/O e dischi di memoria. Generalmente usano una CPU per le ricerche. Pur potendo avere centinaia di CPU, le configurazioni comuni sono 2, 4, 8 o 16. La memoria è il vincolo principale. I database SMP possono girare su più server condividendo risorse: configurazione a cluster. Assegnano task a una singola CPU, indipendentemente da quante ce ne siano. Hanno minore tolleranza ai guasti ed efficienza per la dipendenza da risorse condivise. Costi amministrativi inferiori agli MPP. Oracle e Sybase girano su database SMP.
MPP vs SMP
Un database MPP invia la stessa query a ogni CPU dove cerca i dati. Collegando due database MPP, il tempo di ricerca è quasi dimezzato rispetto a un SMP di dimensioni simili. Non è esattamente la metà per i ritardi nel trasferimento dati tra nodi MPP. Processori ad alta velocità in SMP possono essere competitivi come costo con sistemi MPP.
Usi
Quando un'azienda gestisce paghe, registra timbrature o salva dati prodotto in un database disegni su un singolo server, usa un database SMP. Gli SMP servono per piccoli siti web e server email. Gli MPP sono usati per data warehousing, elaborazione dati su larga scala e data mining.