「揭秘GP」VLDB 创始人：为什么和其他相比，Greenplum 是最好的

导读：从最初的 Greenplum 开始，到现在已经超过15年的验证，我们一直是 Greenplum 的用户。多年来，随着我们对产品和支持的信心不断增强，它已逐渐成为VLDB的默认平台。希望本文讲述的这些原因能解除大家的困惑。

本文翻译自 VLDB Co-founder Paul Johnson 发布于 Linkedin 上的《 Why Greenplum Is The Best…Of The Rest 》，原文链接：
https://www.linkedin.com/pulse/why-greenplum-bestof-rest-paul-johnson/?from=groupmessage&isappinstalled=0。

面向数据仓库领域的数据库众多，带头进入这一领域的老大哥是上世纪80年代创立的Teradata。

早在20世纪80年代，Teradata 公司在市场上推出了与其公司同名的分析型数据库，当时大体量的数据还在用 Terabyte（TB）表示。那时，确切的说是在 Teradata DBC1012 上运行查询。这张图片是我1988年刚开始接触 Teradata 时的参考卡片。

​早在20世纪80年代，Teradata公司在市场上推出了与其公司同名的分析型数据库，当时大体量的数据还在用Terabyte（TB）表示。那时，确切的说是在Teradata DBC1012上运行查询。这张图片是我1988年刚开始接触Teradata时的参考卡片。

在过去的几年中，数据仓库领域已经大大升温。现在有比之前更多的选择。Teradata可能仍然是市场领导者，但并非每个人都需要Teradata。

那么，如果Teradata仍然是市场上的老大哥，那么其余的呢？

在这里，我们要告诉那些一直在关注该领域的人，我们很久以来一直是Greenplum的死忠粉。

出于“推崇共享”（显然共享很重要）的价值观，我们展开阐述“ VLDB团队”成为Greenplum粉丝的十大原因。

1. Greenplum“可以在任何地方构建”，而不仅仅在云上构建

传统数据仓库系统针对本地物理硬件进行了优化。这并不奇怪，因为旧系统要早于AWS，Azure和Google等公有云的出现。

相比之下，Redshift，BigQuery和Snowflake等“现代数据仓库系统”是“仅运行在云上”的。这些现代数据仓库系统都不支持非云环境部署。Redshift仅适用于AWS，BigQuery仅适用于Google。用户的选择并不多 - 要么选择数据库要么选择平台，但不能两者都选。

Greenplum则是“可以在任何地方构建”的数据仓库。Greenplum可以在物理硬件、VMWare私有云和AWS或Azure或Google等公有云平台上运行。为了跟上时代前沿，还支持Kubernetes（K8S）部署。

只要您选择的平台支持Linux，就可以使用Greenplum。

2. Greenplum是MPP架构

公认的是，通用SMP数据库（例如Oracle，SQL Server和MySQL）无法一直扩展以满足数据仓库系统的需求。

与通用SMP数据库不同，Greenplum部署为“大规模并行处理”（MPP）体系结构的群集。与SMP体系不同，MPP体系结构是线性的可扩展的，因此可以不断地添加更多的计算、存储或网络带宽资源。

多亏了Teradata的朋友，MPP架构在现实世界中已有30年的成功记录。

Greenplum的可扩展MPP体系结构使您可以从单个节点开始，根据需要扩展集群，以满足不断变化的容量、吞吐量和性能需求。

借助经过验证的MPP架构，您始终可以扩展Greenplum集群以满足您的确切要求。

3. Greenplum是并行的Postgres数据库

数据仓库通常是现代企业中的关键报告、查询分析和决策支持系统。所以将此类活动赋予一个具有明确可追踪记录的系统是至关重要的。

Greenplum是一个“大规模并行Postgres”系统，并且是“ 唯一”的开源MPP数据仓库系统。

Postgres数据库拥有30年的历史，被誉为“世界上最先进的开源数据库”。

诸如Greenplum和Netezza（RIP）的并行Postgres数据库已有15年的历史，并且已经证明了基于Postgres构建MPP平台的优势。

Greenplum最初是在2005年从Postgres分拆出来的，从那时开始，Greenplum的内核一直保持在较老版本（Postgres 8.2）。自从2015年开源以来，Greenplum研发团队明显加快了合并Postgres新版本代码的速度，目标是在2020年合并到当前最新版本的Postgres。

在所有并行Postgres数据库系统中，Greenplum是唯一具有详细近期开发路线图的数据库，可实现最新最完整的Postgres代码整合并合理利用Postgres全球开源社区开发的新功能来完善自己。

4. Greenplum后面有Pivotal公司背书

Greenplum数据库软件的核心是“开源”的。该软件主要由Pivotal开发和推广。与VMWare、RSA和EMC等技术行业巨头一样，Pivotal也是Dell Technologies集团公司的一部分。

与Linux /RedHat的模式类似，Pivotal对Greenplum提供付费支持。

Pivotal支持的Greenplum版本还包括其他增值组件，例如Greenplum命令中心（GPCC，一款优秀的监控和运维工具）。

Greenplum拥有Pivotal公司这个强力后台。企业级支持可用于开源Greenplum数据库。互相促进。

5. 无评估许可费用

“概念验证”项目或POC通常是证明任何新技术选型价值的重要步骤。数据仓库系统也不例外。

Pivotal的许可模式允许用户在POC期间免费使用Greenplum数据库。

这期间，您可以在选择的基础架构上评估Greenplum的功能和性能，而无需支付任何软件许可费用。

免费的评估许可证意味着您无需过多担心许可时间或POC功能阉割等问题，Greenplum的价值也可以迅速得到体现。

6. 简单的基于CPU内核的定价

传统数据仓库系统通常要求购买完整的硬件/软件/存储堆栈。传统方法可能会涉及大量的前期资本支出（“CapEx”）。

现代的纯云数据仓库系统通常按使用量或“现收现付”（PAYG）定价。尽管PAYG模型避免了前期资本支出，但基于消耗的模型可能会导致不可预测且不受限制的运营支出（OpEx）。

Pivotal对于Greenplum的授权是一种简单的基于CPU内核的定价授权方式。Pivotal的基于计算的订阅模型不需要预先的资本支出，并且避免了不可预测和不受限制的运营支出的风险，而现代纯云产品通常就是这种情况。

同样使用简单的基于CPU内核的定价授权方式，客户或者在内部部署Greenplum或者通过公共云进行部署 - 两种方式都没有进一步的成本投入。

7. Greenplum在SQL上运行

自20世纪70年代以来，关系型数据库管理系统（RDBMS）和结构化查询语言（SQL）的组合一直是数据管理领域的基础。

从运行SQLite的嵌入式系统到PB规模的数据仓库集群，数据管理世界仍在SQL上运行，这是不争的事实。这不太可能在短时间发生改变（这件事，有人可以告诉Hadoop的粉丝吗？）。

作为一个Postgres集群系统，Greenplum在SQL上运行。在外界看来，它就像一台单独的Postgres数据库一样。

无须学习新的编程语言；无须增加新的ETL开发人员、BI开发人员或最终用户培训计划；无需购买新的BI工具。

Greenplum在SQL上运行，这就是您所需要的。你们都已经了解SQL了，对吧？

8. 涵盖了数据科学领域

SQL非常适合传统的数据仓库场景，例如ELT样式的ETL、KPI报告、BI工具和最终用户查询，但是那些令人讨厌的新型“数据科学”场景呢？

好消息是，Greenplum还通过R、Python和Madlib覆盖了数据科学领域。

Greenplum支持存储过程语言PL/Python和PL/R。

Python和R均可用于创建用户定义函数（UDF），以提供可扩展的数据库内数据科学能力。

Apache Madlib是一个开源的数学、统计和机器学习库，可与Greenplum一起使用，以处理结构化和非结构化数据，以提供可扩展的数据库内分析能力。

可以使用Madlib开发基于SQL的算法，而无需将Greenplum的数据传输到别的工具再进行数据科学算法处理。

集成了Python、R和SQL的Madlib库可用于在Greenplum数据库内开发和部署数据科学应用程序，而无需额外费用支出。

9. Gartner高度评价Greenplum

数十年来，技术行业对分析师的评价深信不疑。Gartner几乎可以肯定是技术领域中最具影响力的分析公司。

Gartner于2019年3月19日发布的“传统数据仓库”用户用例中，对比列出了主要的数据仓库产品/服务供应商所处的位置。

毫不奇怪，Teradata以3.73分（满分5分）排名第一。Pivotal Greenplum的得分为3.49，排名第三，仅次于Oracle Exadata，它的得分为3.54，排名第二。

根据Gartner的调查，Greenplum的排名高于SAP HANA（3.35）、Google BigQuery（3.27）、IBM DB2（3.22）、Snowflake（3.22）、Amazon Redshift（3.16）和Microsoft Azure SQL数据仓库（3.15）。

考虑到传统数据仓库用例积累时间较长，也许不足为奇，相比之下，Hadoop供应商（MapR，Hortonworks和Cloudera）的得分都低于3.0。

Gartner在“传统数据仓库”用例中对Greenplum给予了很高的评价。除非您需要Oracle Exadata系统（现在谁还需要呢？），否则只有Teradata配处于Greenplum前列。

10. 最适合生产的系统

“一切工作都可以在PowerPoint完成”这一事实可能是技术行业中的一个大问题。不仅如此！

POC通常是在购买产品之前验证技术的潜在风险点。POC的顺利完成无疑可以增加信心，但是要确保数据仓库技术可以应付“鼎盛”时期的生产状态，仍然需要翻越巨大的鸿沟。

在VLDB团队中，我们推崇“用行动展示给我，不要只动嘴”的法则。我们也确实如推崇的法则那样挑剔！

使用Greenplum来应对其长期业务负载的用户包括摩根士丹利和Conversant Media。

摩根士丹利的Greenplum生产环境由数百台服务器组成，并支持20PB的原始数据（压缩后10PB）。类似的规模，Conversant的Greenplum系统单表规模已经达到上亿亿…行(特别特别多)。

为什么这件事这么重要？像MorganStanley和Conversant这样的最终用户可以提供给您强有力的证据，证明Greenplum已经有能力应对您苛刻的生产中的工作负荷。

就像那个男人说的：

“无论我们想出什么用例，以及想出什么方式来更好地理解用户，Greenplum都可以做到这一点。”

——Conversant负责数据仓库的副总裁John Conley

Greenplum摘要

这样已经足够证明了 - 就数据仓库平台而言，这是我们认为Greenplum是和其他相比最佳的十大理由。

从最初的Greenplum开始，到现在已经超过15年的验证，我们一直是Greenplum的用户。多年来，随着我们对产品和支持的信心不断增强，它已逐渐成为VLDB的默认平台。希望本文讲述的这些原因能解除大家的困惑。