企业中最核心的系统通常是数据库管理系统，用以满足实时交易和分析的需求。传统的单机数据库采用“向上扩展”(Scale-Up)思路但这种方式一般只能够支持几个TB 数据的存储和处理，远不能满足实际需求。

　　为了达到高性能和更大数据存储容量的要求，采用集群设计的OLTP系统逐步成为主流。如图1所示，常见的企业数据库集群如Oracle RAC通常采用Share-Everything(Share-Disk)模式。数据库服务器之间共享资源，例如磁盘、缓存等。当性能不能满足需求时，要依靠升级数据库服务器(一般采用小型机)的CPU、内存和磁盘，来达到提升单节点数据库服务性能的目的。另外，可以增加数据库服务器的节点数，依靠多节点并行和负载均衡来达到提升性能和系统整体可用性的效果。但当数据库服务器节点数量增大时，节点之间的通信将成为瓶颈，而且处理各个节点对数据的访问控制将受制于事务处理的一致性要求。从实际案例来看，4节点以上的RAC非常少见。

　　另外，根据摩尔定律，处理器的性能约每隔18个月便会增加一倍，而DRAM的性能大约每10年才会增加一倍，使得处理器和内存的性能形成剪刀差。虽然处理器的性能在快速提升，但由于磁盘的机械转速与磁臂的寻道时间的限制，磁盘存储性能提升缓慢，硬盘的IOPS性能近10年基本没有太大提升(HDD磁盘的转速一直在7200-15000RPM)，基于HDD的磁盘阵列存储越来越成为集中式存储架构的性能瓶颈，而全闪存阵列受限于高昂的成本和擦写寿命还远达不到大规模商用的要求。

　　因此，IOE的集中存储(Share-Everything)方式存在性能、容量与扩展性的局限，同时成本居高不下。而互联网化带来的高并发，大数据的处理要求，x86和开源数据库技术的飞速发展， NoSQL、Hadoop等分布式系统技术的逐渐成熟，互联网化带来的高并发、大数据的处理要求，使得系统架构开始从集中式的Scale-up架构向分布式的Scale-Out架构发展。