A. 如何查看MPP資料庫的
MPP的代表產品有：Vertica/Redshift(Paracel，被Amazon買買下了源碼的license後變成Redshift)/Greenplum。仔細觀察不難發現，這三者其實有非常很多相同點：
1.全部基於PostgreSQL
2.都是基於列的存儲(Columnar Storage)
3.操作都是以Scan為基礎，依賴Compression來提供性能的優化
B. MPP 與 Hadoop是什麼關系
NUMA全稱為Non-Uniform Memory Access，是主流服務伺服器為了提高SMP的可擴展性而採用的一種體系結構。主流伺服器一般由多個NUMA節點組成，每個NUMA節點是一個SMP結構，一般由多個CPU組成，並且具有本地內存和IO設備。NUMA節點可以直接訪問本地內存，也可以通過NUMA互聯模塊訪問其他NUMA節點的內存，但是訪問本地內存的速度遠遠高於遠程訪問速度，因此，開發程序要盡量減少不同NUMA節點之間的信息交互。
MPP是一種海量數據實時分析架構。 MPP作為一種不共享架構，每個節點運行自己的操作系統和資料庫等，節點之間信息交互只能通過網路連接實現。MPP架構目前被並行資料庫廣泛採用，一般通過scan、sort和merge等操作符實時返回查詢結果。目前採用MPP架構的實時查詢系統有EMC Greenplum、HP Vertica和Googl www.jdjdzj.com e Dremel，這些都是實時數據處理領域非常有特點的系統，尤其是Dremel可以輕松擴展到上千台伺服器，並在數秒內完成TB級數據的分析。
Hadoop作為一個開源項目群本身和MPP並沒有什麼直接關系，Hadoop中的子項目MapRece雖然也是做數據分析處理的，但是一般只適用於離線數據分析，區別與MPP較為明顯。因為Map和Rece兩個過程涉及到輸出文件的存取和大量網路傳輸，因此往往達不到實時處理的要求。與MapRece 相似的系統還有Microsoft Dryad和Google pregel。
綜上所述，NUMA是一種體系結構，MPP是一種實時海量數據分析架構，而Hadoop是一個關於數據存儲處理的項目群，其中的MapRece是一種離線海量數據分析架構。
實測對比GreenPlum和Hive，GP比Hive性能高出至少一個數量級，但是大部分場景下，依然是秒級甚至分鍾級的延遲，距離具體通常意義的實時毫秒級，差距巨大。
另外說一句，廣義的Hadoop包括 Impala, Presto | Distributed SQL Query Engine for Big Data 這些MPP架構的SQL引擎。Hadoop社區還在持續發展，Spark還在持續給人們帶來驚喜，開源軟體的迷人之處也在於此。
C. GBase 8a MPP Cluster資料庫的數據分片是什麼概念如何理解
這種概念上的含混不清之所以還在流傳，主要是因為不懂技術的人而喜歡這些概念的大有人在，所以也並不在意要去澄清概念。「既然分布式資料庫是MPP架構，那麼MPP架構就等於分布式資料庫應該也沒什麼問題吧。」於是大家就都不在意了。
比如，ShardingSphere轉向可插拔架構後，其核心流程里已經沒有分片功能了，分片會作為可插拔能力的一部分接入到服務中。對於資料庫中間件來說，幾乎屬於產品重定義。與許多人對資料庫中間件的固有認知相悖，因為在許多人的理解中，資料庫中間件不就是為了分庫分表而存在的嗎？
理解關系資料庫中的相關概念、關系模型及其三要素；理解關系的性質及類型；理解完整性規則在關系資料庫中的作用；理解關系代數運算，掌握傳統的集合運算與專門的關系運算；理解並掌握關系演算。
很多人在對比兩者時，其實並不知道MPP的含義究竟是什麼、兩者的可比性到底在哪裡。實際上，當人們在對比兩者時，與其說是對比架構，不如說是對比產品。雖然MPP的原意是「大規模並行處理」，但由於一些歷史原因，現在當人們說到MPP架構時，它們實際上指代的是「分布式資料庫」，而Hadoop架構指的則是以Hadoop項目為基礎的一系列分布式計算和存儲框架。不過由於MPP的字面意思，現實中還是經常有人糾結兩者到底有什麼聯系和區別，兩者到底是不是同一個層面的概念。
D. 大數據的核心技術有哪些
大數據技術的體系龐大且復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、資料庫、數據倉庫、機器學習、並行計算、可視化等。
1、數據採集與預處理：
Flume NG實時日誌收集系統，支持在日誌系統中定製各類數據發送方，用於收集數據；
Zookeeper是一個分布式的，開放源碼的分布式應用程序協調服務，提供數據同步服務。
2、數據存儲：
Hadoop作為一個開源的框架，專為離線和大規模數據分析而設計，HDFS作為其核心的存儲引擎，已被廣泛用於數據存儲。
HBase，是一個分布式的、面向列的開源資料庫，可以認為是hdfs的封裝，本質是數據存儲、NoSQL資料庫。
3、數據清洗：MapRece作為Hadoop的查詢引擎，用於大規模數據集的並行計算
4、數據查詢分析：
Hive的核心工作就是把SQL語句翻譯成MR程序，可以將結構化的數據映射為一張資料庫表，並提供 HQL(Hive SQL)查詢功能。
Spark 啟用了內存分布數據集，除了能夠提供互動式查詢外，它還可以優化迭代工作負載。
5、數據可視化：對接一些BI平台，將分析得到的數據進行可視化，用於指導決策服務。
E. mpp資料庫適合哪些應用場景
MPP資料庫主要適合查詢統計、分析研判等大數據處理場景，主要特點是整體架構呈現純扁平化，不存在單點性能瓶頸，基於開放式標准X86 PC伺服器構建，採用分布式架構設計，靈活實現按需部署，具備靈活的系統伸縮性，支持系統的縱向擴展和橫向擴展。
國內的產品主要是南大通用的GBase 8a MPP Cluster，是面向大數據、雲計算場景自主研發的大規模並行資料庫集群產品，在海量數據高速處理的場景下具有高性能、低成本、高可靠、易使用等諸多優勢，國外的如GreenPlum、Vertica等。
F. gbase資料庫是傳統的mpp資料庫嗎
是傳統的mpp資料庫。
南大通用自主研發的GBase 8a MPP Cluster是能夠支撐PB級行業大數據分析類應用的國產新型資料庫產品。
GBase 8a MPP Cluster是南大通用自主研發的國產MPP資料庫集群產品，主要應用於行業大數據的分析場景。所採用的MPP技術，代表著大規模並行計算，具備高性能和高擴展性等特點。
G. gbase資料庫是傳統的mpp資料庫嗎
是傳統的mpp資料庫。
南大通用自主研發的GBase
8a
MPP
Cluster是能夠支撐PB級行業大數據分析類應用的國產新型資料庫產品。
GBase
8a
MPP
Cluster是南大通用自主研發的國產MPP資料庫集群產品，主要應用於行業大數據的分析場景。所採用的MPP技術，代表著大規模並行計算，具備高性能和高擴展性等特點。
H. mpp資料庫跟oracle的區別
先這要看下：
I. gp資料庫全稱是什麼
gp資料庫全稱是Creenplum。
GP資料庫是業界最快最高性價比的關系型分布式資料庫，它在開源的PostgreSQL的基礎上採用MPP架構（Massive Parallel Processing，海量並行處理），具有強大的大規模數據分析任務處理能力，其主要關注在數據倉庫和商業智能方面。
分布式資料庫系統通常使用較小的計算機系統，每台計算機可單獨放在一個地方，每台計算機中都可能有DBMS的一份完整拷貝副本，或者部分拷貝副本，並具有自己局部的資料庫，位於不同地點的許多計算機通過網路互相連接，共同組成一個完整的、全局的邏輯上集中、物理上分布的大型資料庫。
GP資料庫特點：
1.greenplum是一個關系型資料庫集群，是由數個獨立的資料庫服務組合成的邏輯資料庫。
2.greenplum採用Shared-Nothing架構，整個集群由很多個數據節點（Segment Sever）和控制節點（master server）組成，其中每個數據節點上可以運行多個資料庫。
簡單來說，Shared-Nothing是一個分布式的架構，每個節點相對獨立。在典型的Shared-Nothing中，每一個節點上所有的資源（CPU，內存，磁碟）都是獨立的，每個節點都只有全部數據的一部分，也只能使用本節點的資源。
J. 大數據方面核心技術有哪些
簡單來說，從大數據的生命周期來看，無外乎四個方面：大數據採集、大數據預處理、大數據存儲、大數據分析，共同組成了大數據生命周期里最核心的技術，下面分開來說：
大數據採集
資料庫採集：流行的有Sqoop和ETL，傳統的關系型資料庫MySQL和Oracle 也依然充當著許多企業的數據存儲方式。當然了，目前對於開源的Kettle和Talend本身，也集成了大數據集成內容，可實現hdfs，hbase和主流Nosq資料庫之間的數據同步和集成。
網路數據採集：一種藉助網路爬蟲或網站公開API，從網頁獲取非結構化或半結構化數據，並將其統一結構化為本地數據的數據採集方式。
文件採集：包括實時文件採集和處理技術flume、基於ELK的日誌採集和增量採集等等。
大數據預處理
數據清理：指利用ETL等清洗工具，對有遺漏數據(缺少感興趣的屬性)、噪音數據(數據中存在著錯誤、或偏離期望值的數據)、不一致數據進行處理。
數據集成：是指將不同數據源中的數據，合並存放到統一資料庫的，存儲方法，著重解決三個問題：模式匹配、數據冗餘、數據值沖突檢測與處理。
數據轉換：是指對所抽取出來的數據中存在的不一致，進行處理的過程。它同時包含了數據清洗的工作，即根據業務規則對異常數據進行清洗，以保證後續分析結果准確性。
數據規約：是指在最大限度保持數據原貌的基礎上，最大限度精簡數據量，以得到較小數據集的操作，包括：數據方聚集、維規約、數據壓縮、數值規約、概念分層等。
大數據存儲，指用存儲器，以資料庫的形式，存儲採集到的數據的過程，包含三種典型路線：
大數據採集，即對各種來源的結構化和非結構化海量數據，所進行的採集。
大數據預處理，指的是在進行數據分析之前，先對採集到的原始數據所進行的諸如「清洗、填補、平滑、合並、規格化、一致性檢驗」等一系列操作，旨在提高數據質量，為後期分析工作奠定基礎。數據預處理主要包括四個部分：數據清理、數據集成、數據轉換、數據規約。
1、基於MPP架構的新型資料庫集群
採用Shared Nothing架構，結合MPP架構的高效分布式計算模式，通過列存儲、粗粒度索引等多項大數據處理技術，重點面向行業大數據所展開的數據存儲方式。具有低成本、高性能、高擴展性等特點，在企業分析類應用領域有著廣泛的應用。
較之傳統資料庫，其基於MPP產品的PB級數據分析能力，有著顯著的優越性。自然，MPP資料庫，也成為了企業新一代數據倉庫的最佳選擇。
2、基於Hadoop的技術擴展和封裝
基於Hadoop的技術擴展和封裝，是針對傳統關系型資料庫難以處理的數據和場景（針對非結構化數據的存儲和計算等），利用Hadoop開源優勢及相關特性（善於處理非結構、半結構化數據、復雜的ETL流程、復雜的數據挖掘和計算模型等），衍生出相關大數據技術的過程。
伴隨著技術進步，其應用場景也將逐步擴大，目前最為典型的應用場景：通過擴展和封裝 Hadoop來實現對互聯網大數據存儲、分析的支撐，其中涉及了幾十種NoSQL技術。
3、大數據一體機
這是一種專為大數據的分析處理而設計的軟、硬體結合的產品。它由一組集成的伺服器、存儲設備、操作系統、資料庫管理系統，以及為數據查詢、處理、分析而預安裝和優化的軟體組成，具有良好的穩定性和縱向擴展性。
四、大數據分析挖掘
從可視化分析、數據挖掘演算法、預測性分析、語義引擎、數據質量管理等方面，對雜亂無章的數據，進行萃取、提煉和分析的過程。
1、可視化分析
可視化分析，指藉助圖形化手段，清晰並有效傳達與溝通信息的分析手段。主要應用於海量數據關聯分析，即藉助可視化數據分析平台，對分散異構數據進行關聯分析，並做出完整分析圖表的過程。
具有簡單明了、清晰直觀、易於接受的特點。
2、數據挖掘演算法
數據挖掘演算法，即通過創建數據挖掘模型，而對數據進行試探和計算的，數據分析手段。它是大數據分析的理論核心。
數據挖掘演算法多種多樣，且不同演算法因基於不同的數據類型和格式，會呈現出不同的數據特點。但一般來講，創建模型的過程卻是相似的，即首先分析用戶提供的數據，然後針對特定類型的模式和趨勢進行查找，並用分析結果定義創建挖掘模型的最佳參數，並將這些參數應用於整個數據集，以提取可行模式和詳細統計信息。
3、預測性分析
預測性分析，是大數據分析最重要的應用領域之一，通過結合多種高級分析功能（特別統計分析、預測建模、數據挖掘、文本分析、實體分析、優化、實時評分、機器學習等），達到預測不確定事件的目的。
幫助分用戶析結構化和非結構化數據中的趨勢、模式和關系，並運用這些指標來預測將來事件，為採取措施提供依據。
4、語義引擎
語義引擎，指通過為已有數據添加語義的操作，提高用戶互聯網搜索體驗。
5、數據質量管理
指對數據全生命周期的每個階段（計劃、獲取、存儲、共享、維護、應用、消亡等）中可能引發的各類數據質量問題，進行識別、度量、監控、預警等操作，以提高數據質量的一系列管理活動。
以上是從大的方面來講，具體來說大數據的框架技術有很多，這里列舉其中一些：
文件存儲：Hadoop HDFS、Tachyon、KFS
離線計算：Hadoop MapRece、Spark
流式、實時計算：Storm、Spark Streaming、S4、Heron
K-V、NOSQL資料庫：HBase、Redis、MongoDB
資源管理：YARN、Mesos
日誌收集：Flume、Scribe、Logstash、Kibana
消息系統：Kafka、StormMQ、ZeroMQ、RabbitMQ
查詢分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
分布式協調服務：Zookeeper
集群管理與監控：Ambari、Ganglia、Nagios、Cloudera Manager
數據挖掘、機器學習：Mahout、Spark MLLib
數據同步：Sqoop
任務調度：Oozie