数据架构设计模式
数据架构主要有三种模式：
Shared Everything、Shared Disk、Shared Nothing。
Shared Disk
各处理单元使用本地的私有CPU和Memory，共享磁盘系统，分布式数据库。
典型的代表是Oracle RAC、DB2 PureScale。
例如：Oracle RAC用的是共享存储，做到了数据共享，可通过增加节点来提高并行处理的能力，扩展能力较好，使用Storage Area Network (SAN)，光纤通道连接到多个服务器的磁盘阵列，降低网络消耗，提高数据读取的效率，常用于并发量较高的OLTP应用。
其类似于SMP(对称多处理)模式，但是当存储器接口达到饱和的时候，增加节点并不能获得更高的性能，同时更多的节点，则增加了运维的成本。
Data Shared Cluster 数据共享集群，简称DSC，是并行集群，位于不同服务器系统的DM实例同时访问同一个数据库，节点之间通过私有网络进行通信，所有的控制文件、联机日志和数据文件存放在共享的设备上，能够被集群中的所有节点同时访问。
DSC的优点主要在于高可用和负载均衡，一台机器宕机不影响应用访问数据库。
Shared Everything
一般指的是单个主机的环境，完全透明共享的CPU/内存/硬盘，并行处理能力是最差的，一般不考虑大规模的并发需求，架构比较简单，一般的应用需求基本都能满足。
典型代表就是SQL Server、单机版Oracle和MySQL。
Shared Nothing
Shared noting(SN)是一种分布式计算架构。这种架构中，每一个节点都是独立的，自给的，在系统中不存在单点竞争。更明确地说，没有节点共享存储和硬盘。人们通常将SN和大量保存中央存储状态信息的系统进行对比，无论是在数据库，应用服务器或者是其他相似的单点竞争。
SN相对中央控制架构有很大的优点。SN可以避免单点故障，拥有自我恢复能力，并且在不破坏原有系统的情况下进行升级。
各处理单元都有自己私有的CPU/内存/硬盘等，Nothing，顾名思义，不存在共享资源，类似于MPP(大规模并行处理)模式，各处理单元之间通过协议通信，并行处理和扩展能力更好。
典型代表DB2 DPF、带分库分表的MySQL Cluster，各节点相互独立，各自处理自己的数据，处理后的结果可能向上层汇总或在节点间流转。
实际上Shared Nothing架构细化又可以分为两种：
- 一种是分布式架构，将数据库中的数据按照某一标准分布到多台机器中，查询或插入时按照条件查询或插入对应的分区。
- Sharding其实就是Shared Nothing，他是将某个表从物理存储上被水平分割，并分配给多台服务器(或多个实例)，每台服务器可以独立工作，具备共同的schema，
- 例如MySQL Proxy和Google的各种架构，只需增加服务器数就可以增加处理能力和容量。
- 一种是每一个节点完全独立，节点之间通过网络连接，通常是通过光纤等专用网络。
- MPP，指的是大规模并行分析数据库(Analytical Massively Parallel Processing (MPP) Databases)，他是针对分析工作负载进行了优化的数据库，一般需要聚合和处理大型数据集。MPP数据库往往是列式的，因此MPP数据库通常将每一列存储为一个对象，而不是将表中的每一行存储为一个对象。这种体系结构使复杂的分析查询可以更快，更有效地处理。
- 例如TeraData、Greenplum，GaussDB100、TBase。
