---
title: "MPP (Massively Parallel Processing)"
type: concept
tags:
  - Distributed Computing
  - Data-Warehouse
  - Performance
sources:
  - ctp-topic-68-introduction-to-redshift
last_updated: 2026-04-23
---

## Overview
MPP（大规模并行处理）是一种分布式计算架构，通过多个计算节点并行执行查询和数据处理任务，显著提升大规模数据集的查询速度和系统吞吐量。

## How It Works
1. **任务分解**：协调节点（Leader/Coordinator）将大型查询分解为多个子任务
2. **并行分发**：子任务分发至多个计算节点（Compute Node）
3. **独立执行**：各节点在本地数据子集（Slice/Partition）上并行执行计算
4. **结果汇总**：各节点结果返回协调节点，进行最终聚合和输出

## Key Benefits
- **线性扩展**：增加节点数量可线性提升查询性能
- **高吞吐量**：适合复杂分析查询和大规模数据聚合
- **容错性**：单节点故障不影响整体系统（部分实现）

## Trade-offs
- **数据倾斜（Data Skew）**：数据分布不均导致部分节点负载过重
- **跨节点通信**：节点间数据传输增加延迟
- **复杂查询优化**：需精心设计数据分布策略

## Applications
- **数据仓库**：Amazon Redshift、Snowflake、Google BigQuery
- **大数据处理**：Apache Spark（Spark SQL）、Presto/Trino
- **科学计算**：分布式矩阵运算、基因组分析

## Related Concepts
- [[Columnar-Storage]]：列式存储与 MPP 协同优化分析查询
- [[Distribution-Key]]：数据分布策略影响 MPP 性能
- [[Sort-Key]]：排序键优化局部性，提升 MPP 节点内效率