播面

Apache Doris 选用 MPP（Massively Parallel Processing，大规模并行处理） 架构，是由其作为 “新一代实时高性能 OLAP 分析型数据库” 的产品定位和核心业务需求决定的。

简单来说，MPP 架构的核心思想是“分而治之”和“无共享（Shared-Nothing）”。Doris 选择这种架构，主要出于以下几个维度的考量：

1. 极致的查询性能（极低延迟）

• 分而治之： 在 MPP 架构下，一个复杂的 SQL 查询会被拆分成多个物理执行计划，分发到集群中的多个节点上同时执行。
• 并行计算： 每个节点只处理自己本地存储的那部分数据，计算完成后将结果汇总。这种架构能够充分利用集群中所有机器的 CPU 和内存资源，将原本需要分钟级执行的查询压缩到亚秒级（毫秒到秒级），非常适合面向业务人员的交互式 BI 分析。

2. 支持极其复杂的 SQL 和多表 JOIN

• 与 Scatter-Gather 架构对比： 像 Elasticsearch、Druid 等系统通常采用 Scatter-Gather（分散-聚集）架构，这种架构处理单表聚合非常快，但在处理分布式大表 JOIN 时能力极弱。
• MPP 的 Shuffle 机制： MPP 架构支持节点间的数据交换（Shuffle 操作）。当 Doris 需要执行复杂的 JOIN、GROUP BY、ORDER BY 或嵌套子查询时，数据可以在不同计算节点之间重分布，从而完美支持标准 SQL 的复杂分析场景，不需要用户提前将数据打平成宽表。

3. 优秀的水平扩展能力（Scale-Out）

• 无共享架构（Shared-Nothing）： Doris 的 BE（Backend）节点是无状态且无共享的。每个节点拥有独立的 CPU、内存和磁盘，节点之间互不干扰。
• 线性扩展： 当数据量暴增或算力不足时，只需要简单地增加普通的商用服务器节点即可。随着节点数量的增加，系统的存储容量和计算能力能够实现近乎线性的增长，轻松支撑 PB 级别的数据规模。

4. 摆脱昂贵硬件，高性价比

• 与传统的 SMP（对称多处理，如 Oracle 依赖的高端小型机）或 Shared-Disk（共享磁盘，依赖昂贵的 SAN 存储网络）架构不同，MPP 架构设计之初就是运行在普通商用服务器（Commodity Hardware）上的。
• 通过软件层面的分布式副本机制来保证高可用性，大幅降低了企业的 IT 基础设施成本。

5. 满足实时分析与高吞吐需求

• 与批处理架构（如 Hadoop/MapReduce/Hive）对比： MapReduce 模型为了极高的容错性，在计算的每个阶段都会将中间结果落盘（写入磁盘），导致 I/O 开销巨大，延迟极高。
• 内存计算： MPP 架构在执行查询时，中间结果主要在内存中流转（Pipeline 模式），省去了大量的磁盘 I/O 开销，吞吐量大，能够满足现代企业对数据“所见即所得”的实时分析需求。

---

补充：Doris 对传统 MPP 架构的进化

传统的 MPP 架构虽然好，但也存在一些痛点（如：并发能力相对较差、容易受到“木桶效应/慢节点”的影响）。为了解决这些问题，Doris 在传统的 MPP 架构之上做了大量的深度优化：

1. 全面向量化执行引擎： Doris 重写了执行引擎，采用列式内存布局和向量化计算（SIMD），一次处理一批数据而不是一行数据，极大提升了单核 CPU 的处理效率。
2. Pipeline 执行引擎： 传统的 MPP 往往采用“一个任务占用一个线程”的阻塞模型，并发一高就容易耗尽线程池。Doris 引入了 Pipeline 调度模型，将查询切分成细粒度的任务放入队列，由调度器异步调度，彻底打破了高并发的瓶颈，并缓解了慢节点（Straggler）拖慢整体查询的问题。
3. 存算分离（近期版本引入）： 为了解决 MPP 架构在资源弹性扩缩容上的痛点，Doris 在 2.x 版本开始支持存算分离架构（数据存在 S3/HDFS 等共享存储，计算节点变成无状态的 Cache 节点），结合了 MPP 的高性能和云原生的极致弹性。

总结：
Doris 选用 MPP 架构，是因为 MPP 是目前实现 “海量数据 + 复杂关联查询 + 亚秒级响应” 最优的技术路径。在此基础上，Doris 通过引入向量化和 Pipeline 等现代数据库技术，将 MPP 架构的威力发挥到了极致。