昨天和前天通過文章《「計算機基礎」CPU曆史之AMD系列》和《「計算機基礎」CPU曆史之Intel系列》介紹了Intel和AMD的産品，今天圍繞的話題仍然是CPU。
對稱多處理器結構：(SMP，Symmetric Multi-Processor)
伺服器最開始的時候是單CPU，然後才進化到了雙CPU甚至多CPU的SMP架構。所謂SMP架構指的是多路CPU無主次，共享記憶體、總線、作業系統等。此時每個CPU通路記憶體任何位址所耗費的時間是相等的。是以也稱為一緻存儲器通路結構
大家共享同樣的記憶體，是以擴充能力有限，因為CPU數量增加了，記憶體通路沖突也會增加。為了進一步提高CPU數量的同時還能保證效率，NUMA架構出現了，将多個SMP進行松耦合。
還有一種AMP架構，不同的CPU是做不同的事的，互不幹擾。
非一緻存儲通路結構：(NUMA，Non-Uniform Memory Access)
NUMA架構中，多個SMP通過Crossbar switch交換矩陣進行互聯。
每個SMP有自己的記憶體，同時還可以通路其他SMP的記憶體，但是需要經過高速交換矩陣，很顯然SMP通路自己的記憶體速度非常高，但是通路遠端的SMP的記憶體還需要經過交換矩陣，延遲增加，可以看出NUMA通過犧牲記憶體的通路時延來達到更高的擴充性。
總之，SMP與NUMA架構對軟體程式方面影響擴充性不大，一台主機内都使用單一的作業系統。
缺點是CPU數量增加，通路遠端記憶體的時延也會增加，性能不能線性增加。此時MPP架構就出現了。
海量并行處理結構：(MPP，Massive Parallel Processing)
MPP說白了就是将多台獨立的主機組成叢集。顯然在此架構下，每個節點都有各自的CPU、記憶體、IO總線、作業系統，完全松耦合。最關鍵的是MPP叢集中的軟體架構也相應的改變了，這樣MPP的效率随節點數量增加就可以線性增加了。
其實如果NUMA架構下，如果通過上層軟體來使得程式盡量少的讀取遠端的記憶體，NUMA效率也會線性增加。但是實際上NUMA作業系統仍然是同一個，記憶體仍然是全局均勻的，是以通路遠端記憶體是不可避免的。
那麼MPP相當于把記憶體強制分開，同時又改變了程式架構，這樣就可以保證海量計算下的效率線性增加。
存儲系統的演進
存儲系統與伺服器CPU架構演進相同，控制器就好比CPU，後端磁盤櫃就類似于記憶體。
-
SMP
縱觀存儲系統的演進，一開始是單控，後來演進到雙控互為備份，此時就類似于AMP，兩個控制器各自處理自己的任務。
然後進入到雙控并行處理的時代（HDS的AMS2000存儲系統），類似于SMP，兩個控制器可以并行的處理。
再到後來則有多控并行對稱處理架構，Oracle的RAC叢集就可以視為一種多點SMP，各種共享底層存儲的叢集檔案系統都屬于多點對稱SMP
-
NUMA
同樣NUMA也出現在了存儲系統中，比如EMC的V-Max相當于多個SMP利用高速交換矩陣來共享通路每個SMP上的記憶體，其中SMP就是一對控制器組成的Director，高速交換矩陣就是RapidIO
-
MPP 那麼IBM的XIV就屬于松耦合MPP架構，每個節點都有自己的CPU、記憶體、IO接口，使用外部的交換機互相通信。 而HDS的VSP更像是一個緊耦合的MPP。 另一種屬于MPP架構的存儲系統就是分布式檔案系統，比如HDFS等。
MPP對軟體架構變化很大，是以傳統存儲廠商很難将之前的架構演進到MPP上來。
誰才是真正的Scale-out
SMP/NUMA/MPP其實都算Scale-out，隻不過程度和形态不同。
MPP架構的存儲，比如XIV，在多路大塊連續的IO下，效率反而很差。這是因為單路IO可能導緻整個MPP叢集中的磁盤資源全部牽動
但是如果是小塊随機的IO，多路IO關聯很少，則性能随節點數增加線性增加，這就好比将一個程式并行分解為多個子任務（類似于随機小IO），因為子任務之間的關聯很少，節點之間的通信量很小，則并行執行的效率高。也就是MPP自身是share-Nothing架構，運作在上面的程式也盡可能的是Share-Nothing
SMP、NUMA、MPP各有各的好處，比如
- SMP适用于擴充性要求不高，而又不想程式改變太大的場景。
- MPP則适用于海量資料下的高擴充性需求場景。它需要對程式進行大量的改變，而且多流大塊連續IO場景下性能不佳。是以MPP架構廣泛的應用于網際網路的底層Key-Value分布式資料庫，這種資料庫主要應對高随機小塊讀的場景，可以獲得非常高的性能。
文章來源：dy2903_https://www.cnblogs.com/dy2903/p/8341268.html