跨引擎关联查询
与数据清洗和历史数据管理相比，更加灵活的业务场景是：实时进行跨引擎的关联查询。如最简单的：
代码示意：
Select * from t_8a inner join t_hive on t_8a.no = t_hive.no where …
其中t_8a为8a mpp 数据引擎表，t_hive为Hadoop hive 引擎表。
GBaseUP构建了基于规则和成本的优化器，能够既充分利用各自引擎的特色运算，又能保证在引擎间交互的数据最小化，同时利用高效的数据交换总线，从而实现自动优化的引擎间实时关联分析。
DML操作的事务管理依赖具体引擎，如果每个引擎都支持标准的XA，则GBase UP整体支持事务，当前GBase 8t支持XA，而GBase 8aMPP和Hive虽然都支持ACID，但是都不支持XA，所以在单引擎操作时GBase 8a MPP支持多语句长事务，Hive支持单语句事务，混合引擎交互写操作时采用自动提交当前事务的模式。
跨引擎读写分离
当一个数据模型同时大量读、写操作并发执行时，读写操作互相影响，会加剧对锁的竞争，导致整体性能下降。通过在GBase UP中引入引擎级别的读写分离机制，可以极大地缓解并发读写对锁的竞争，从而提高并发性能。引擎级别读写分离的基本原理是，GBase UP作为统一的访问入口，对读写请求进行调度，事务性操作（INSERT、UPDATE和DELETE）在GBase 8t上执行，SELECT查询关键是分析型计算在GBase 8a上执行，以充分利用GBase 8t和GBase 8a各自的优点。
代码示意：
-- 创建镜像表，镜像方向为GBase8t到GBase 8a MPP
Create table t(...) engine=‘Mirror8t8a’;
-- 写操作用8t引擎
Insert into t values(…);
-- 分析型查询用8a引擎
Select avg(…) from t group by …;
查询操作指向到8a的方式有两种：自动识别，根据语句中函数的类型，如OLAP函数；手动识别，用户session级变量和hint级变量，影响到语句的执行引擎。
