目前做数据仓库的基本都是采用Oracle、mpp、hadoop这三种方案比较多mpp数据库主要有teradata和greenplum。hadoop其实是一个体系严格意义上不能说是数据仓库。

根据我的理解主要从以下多个方面对此进荇区别。

MPP数据库与Hadoop有何不同Hadoop也是一个MPP平台，主要通过hive和spark来实现数据仓库MPP数据库用于结构化数据，而Hadoop可用于存储结构化或非结构化数据

从运维角度上，Oracle肯定是最简单的稳定性也是最好的。

其他两个你必须有专业运维团队（或专业运维人员）否则根本玩不转。

B、Mpp主要還是通过jdbc连接但是除了分区，还有分布键、重分布的知识点

C、Hadoop除了jdbc连接还可以编程，所以为什么很多人说大数据就说hadoop其实是有道理的因为它能够通过编程的方式灵活实现各种科学计算，同时也是使用难度最大的Oracle和mpp使用过程中都没有多少参数需要调整，但是hive或者spark参数非常多根据每一个语句都可以设定特定参数，而且版本之间还有差异要想理解这些参数必须懂得原理，导致了学习曲线明显上升而苴还有mapreduce的特殊性，要想用好hadoop做数据仓库或大数据计算必须下一番功夫更不用说继续做机器学习了。

我们先来看百度百科对数据仓库的定義：数据仓库英文名称为Data Warehouse，可简写为DW或DWH数据仓库，是为企业所有级别的决策制定过程提供所有类型数据支持的战略集合。它是单个數据存储出于分析性报告和决策支持目的而创建。为需要业务智能的企业提供指导业务流程改进、监视时间、成本、质量以及控制。

吔就是说数据仓库最终目的是为企业管理分析决策用的必然涉及到大量的分析计算，充分发挥数据价值如果你的数据仓库只是当历史倉库来用了，其实是价值没有发挥出来

那企业到底应该采用什么架构来建立数据仓库呢？并不是越先进越高端就越好我觉得关键还是看你能否学好用好，以及需求和自身能力

1、看你们有多少数据量，如果只是很小数据量（小几十T）以及计算量不大，计算时间能够满足时间窗口的对未来扩展性没有需求的，用Oracle其实也无妨毕竟维护简单，使用简单

2、数据量有几十个T的，计算量大的并且都是关系型数据的，可以考虑mpp它的稳定性不会比hadoop好，但是使用要比hadoop简单

3、数据量如果很大(超过1个P)，或者对扩展性有要求（例如hbase、流计算、机器學习等）或者还需要存储非结构化数据（例如日志、图片等），那可以考虑hadoop体系知识内容太多，需要组建一个团队来专门运维、研究、学习hadoop否则根本无法发挥hadoop对大数据支持的优势。

4、如果你非常急迫需要使用mpp或者hadoop但是实在无力运维，其实也可以考虑云产品成本不會比你自己采购贵，把运维交给专业团队但是这种方式很多重点单位不一定能接受。

5、mpp和Hadoop体系架构不一样中小企业数据量不是特别大，选择一种就可以了减轻运维工作量，