1. Overview
前面介绍的都是基于单个Worker（如进程、线程）的查询树执行方式，本节主要介绍查询树的并发执行（线程）.
并发执行查询树可以降低延时（因为单个任务的处理时间变少了），降低系统响应时长，提高吞吐率和可用性.
并行数据库与分布式数据库有许多相似之处，资源都不是集中的，区别在于资源的可靠性和通信的成本不同，分布式数据库的资源之间跨越不同物理机器，由于经过网络传输的原因，资源可靠性低且网络开销大.
本节首先介绍几种并行处理模型，然后包括执行并行和I/O并行的问题.
2. Process Model
并行处理模型有以下三种方式：Worker/进程，Worker/进程池，Worker/线程池.
Worker/进程指一个进程单独处理负责一个Worker的任务.
Worker/进程模型中，对于每个Worker，调度器（Dispatcher）都fork一个单独的进程处理. 这种方式出现在早期多线程技术不成熟的年代. 进程之间通过共享内存实现资源共享，相比线程间的调度这种方式不灵活而且资源开销大.
Worker/进程池模型每个任务由进程池负责处理，进程池中的进程可以协调共同处理任务（例如任务数目很多或者计算量很大），但进程的管理需要依赖操作系统，灵活性较差.
Worker/线程池模型任务由线程池内的线程处理，DBMS自己负责线程的调度，更加灵活且轻量.
多线程并发相比多进程并发上下文切换代价低，线程间共享资源也相比进程间共享资源要方便.
3. Execution Parallelism
执行并行类型分为 Inter 和 Intra ，Inter 指的是多个Query间的并发，用于提高系统整体吞吐。Intra 指的是单个Query内的并发，用于提高单个查询的性能.
若Inter并发的多个Query都是只读操作，那么并发不需要特殊处理.
Intra 类型并发基于生产者-消费者模型实现单个Query内不同算子之间的并发（主要通过流水线）.
下图所示的是一种 Inter 类型并发的例子，由于Hash函数的特性，编号相同的bucket之间可以并发处理Grace Hash Join.
相应地，Query内 Intra 并发也有三种方式，即（Intra）水平、(Inter)垂直和Bushy（和水平相似）
通过将数据分成多个fragment（片），每个片上运行相同的算子实现类似Intra类型的并发，最后通过一个exchange汇总所有的执行结果.
例如下面的例子中，exchange汇总在三个片上并行执行的结果.
这里面可以套上前一节介绍的查询处理模型（例如火山模型），上层调用Next()后下面在不同分片上并发执行.
exchange支持以下三种模式，上面的例子是简单地将数据搜集起来（Gather）
更复杂的一个水平并发的例子（注意现在为止不同算子之间的处理依然是阻塞的）：
为避免一个算子的阻塞导致下一个算子空闲，Query内的Inter类型并发是让不同算子之间进行流水线处理数据.
Bushy模式和Intra模式类似，不同片上的多个子Query之间的并行.
4. I/O Parallelism
I/O瓶颈也是决定系统性能的一个重要因素，因此需要避免多线程并发读写时的I/O墙.
常用的方法根据执行内容对磁盘进行相应的分区或者冗余存储（这些对于DBMS而言是透明的，磁盘知道Page和物理地址相应的映射关系），提高磁盘的整体存取性能.
RAID 0 设计是具有所有RAID级别中最高的存储性能，把连续的数据分散到多个磁盘上存取，片之间无数据冗余，系统有数据请求就可以被多个磁盘并行的执行，每个磁盘执行属于它自己的那部分数据请求。这种数据上的并行操作可以充分利用总线的带宽，显著提高磁盘整体存取性能。
RAID 1 通过磁盘数据镜像实现数据冗余，在成对的独立磁盘上产生互为备份的数据。当原始数据分片繁忙时，可直接从镜像拷贝中读取数据，因此RAID 1可以提高读取性能。RAID 1是磁盘阵列中单位成本最高的，但提供了很高的数据安全性和可用性。当一个磁盘失效时，系统可以自动切换到镜像磁盘上读写，而不需要重组失效的数据。
从DBMS层面也有数据分片方案，再DBMS中我们对数据进行逻辑划分，例如一些数据库支持通过软/硬连接将数据映射到磁盘空间上.
逻辑划分后的不同子表存储在不同物理分片上，然而这对于应用层而言又是透明的.
划分方式包括垂直划分和水平划分两种，垂直划分好处例如属性相同的列可以压缩存储，可以利用列式存储优势等.
水平划分是最常见的划分方式，以tuple为单位对表进行划分.
5. 总结
关注我的微信订阅号，交流数据管理与分布式系统相关技术：
