多CPU架构演进
对称多处理器结构：(SMP，Symmetric Multi-Processor)
服务器最开始的时候是单CPU，然后才进化到了双CPU甚至多CPU的SMP架构。所谓SMP架构指的是多路CPU无主次，共享内存、总线、操作系统等。此时每个CPU访问内存任何地址所耗费的时间是相等的。所以也称为一致存储器访问结构
大家共享同样的内存，所以扩展能力有限，因为CPU数量增加了，内存访问冲突也会增加。为了进一步提高CPU数量的同时还能保证效率，NUMA架构出现了，将多个SMP进行松耦合。
还有一种AMP架构，不同的CPU是做不同的事的，互不干扰。
非一致存储访问结构：(NUMA，Non-Uniform Memory Access)
NUMA架构中，多个SMP通过Crossbar switch交换矩阵进行互联。
每个SMP有自己的内存，同时还可以访问其他SMP的内存，但是需要经过高速交换矩阵，很显然SMP访问自己的内存速度非常高，但是访问远端的SMP的内存还需要经过交换矩阵，延迟增加，可以看出NUMA通过牺牲内存的访问时延来达到更高的扩展性。
总之，SMP与NUMA架构对软件程序方面影响扩展性不大，一台主机内都使用单一的操作系统。
缺点是CPU数量增加，访问远端内存的时延也会增加，性能不能线性增加。此时MPP架构就出现了。
海量并行处理结构：(MPP，Massive Parallel Processing)
MPP说白了就是将多台独立的主机组成集群。显然在此架构下，每个节点都有各自的CPU、内存、IO总线、操作系统，完全松耦合。最关键的是MPP集群中的软件架构也相应的改变了，这样MPP的效率随节点数量增加就可以线性增加了。
其实如果NUMA架构下，如果通过上层软件来使得程序尽量少的读取远端的内存，NUMA效率也会线性增加。但是实际上NUMA操作系统仍然是同一个，内存仍然是全局均匀的，所以访问远端内存是不可避免的。
那么MPP相当于把内存强制分开，同时又改变了程序架构，这样就可以保证海量计算下的效率线性增加。
存储系统的演进
存储系统与服务器CPU架构演进相同，控制器就好比CPU，后端磁盘柜就类似于内存。
- SMP
纵观存储系统的演进，一开始是单控，后来演进到双控互为备份，此时就类似于AMP，两个控制器各自处理自己的任务。
然后进入到双控并行处理的时代（HDS的AMS2000存储系统），类似于SMP，两个控制器可以并行的处理。
再到后来则有多控并行对称处理架构，Oracle的RAC集群就可以视为一种多点SMP，各种共享底层存储的集群文件系统都属于多点对称SMP - NUMA
同样NUMA也出现在了存储系统中，比如EMC的V-Max相当于多个SMP利用高速交换矩阵来共享访问每个SMP上的内存，其中SMP就是一对控制器组成的Director，高速交换矩阵就是RapidIO - MPP
- 那么IBM的XIV就属于松耦合MPP架构，每个节点都有自己的CPU、内存、IO接口，使用外部的交换机互相通信。
- 而HDS的VSP更像是一个紧耦合的MPP。
-
另一种属于MPP架构的存储系统就是分布式文件系统，比如HDFS等。
MPP对软件架构变化很大，所以传统存储厂商很难将之前的架构演进到MPP上来。
image.png
谁才是真正的Scale-out
SMP/NUMA/MPP其实都算Scale-out，只不过程度和形态不同。
MPP架构的存储，比如XIV，在多路大块连续的IO下，效率反而很差。这是因为单路IO可能导致整个MPP集群中的磁盘资源全部牵动
但是如果是小块随机的IO，多路IO关联很少，则性能随节点数增加线性增加，这就好比将一个程序并行分解为多个子任务（类似于随机小IO），因为子任务之间的关联很少，节点之间的通信量很小，则并行执行的效率高。也就是MPP自身是share-Nothing架构，运行在上面的程序也尽可能的是Share-Nothing
SMP、NUMA、MPP各有各的好处，比如
- SMP适用于扩展性要求不高，而又不想程序改变太大的场景。
- MPP则适用于海量数据下的高扩展性需求场景。它需要对程序进行大量的改变，而且多流大块连续IO场景下性能不佳。所以MPP架构广泛的应用于互联网的底层Key-Value分布式数据库，这种数据库主要应对高随机小块读的场景，可以获得非常高的性能。
参考
大话存储II
