Greenplum简介

Greenplum： http://greenplum.org/
原来是个商业产品，后来开源。

从Slogan看：

• 是个数据库
• 着眼于数据仓库
• 主要在于大规模并行

基于强大的PostgreSQL，PostgeSQL提供了诸如表空间、外部表等功能，支持丰富的数据类型（包含key-value，JSON，XML，GIS，甚至支持各种集合图形的表示）。其中的FDW外部表是一个非常强大的功能，可以直接将外部文件、HBase或者其他PostgreSQL实例的数据当做一张表。另外对函数的支持也很强大，除了PL/SQL外，还支持JS、Python等语言编写的函数。在SQL语法上也提供了诸多令人欣喜的小特性，比如插入、删除、或者更新操作的时候都可以使用returning直接返回相应的记录。

在PostgreSQL基础上，Greenplum增加了许多面向数据仓库的特性：

• 大规模并行处理架构（Massively Parallel Processing Architecure，MPP）
• PB级别的数据导入（基于MPP技术）
• 创新性的查询优化（业界第一个cost-based的查询优化器）
• 多泛型的存储和计算
• 机器学习支持（基于Apache MADLIB，用户自定义函数）

Greenplum架构：

• Greenplum Master：
  数据库入口，接受客户端连接和SQL查询，分发任务给Segment实例。用户与Greenplum（通过Master Host），就像与PostgreSQL交互一样，通过psql之类的工具或者JDBC或者ODBC等API。global system catelog位于Master上，它包含存放系统元数据的一系列表。Master不存放任何数据，数据只存在于Segment Host中，Master授权客户端连接，处理查询SQL，分发任务给Segment，组合结果并返回给客户端。

• Greenplum Segment：
  Segment实例是独立的PostgreSQL实例，存放数据并执行主要的查询处理。数据分布在各个Segment中，每个实例包含一部分数据（portion）。一个Segment Host可以运行多个Segment实例，取决于内核数量以及RAM等。

• Greenplum Interconnect：
  Interconnecte是Greenplum架构中的网络层，一般指各Segment之间的进程间通信（IPC）和物理网络设施，即标准的10G以太网交换机，即万兆以太网交换机。interconnect使用UDP协议进行通信，但是Greenplum会对数据包进行校验，因此可靠性等同于TCP，但是性能上会更好。如果使用TCP，那么Segment的实例不能超过1000，使用UDP则没有这个限制。

• Pivotal Query Optimizer：
  Greenplum提供的查询优化器跟一般优化器在以下三方面存在区别：

• 模块化：不是内置于RDBMS.
• 可扩展：优化器由独立组件组合，容易被替换。
• 性能： 基于multi-core scheduler，能够对所有可能性进行优化。

一个很好的tutorial
http://greenplum.org/gpdb-sandbox-tutorials/
基于Greenplum提供的虚拟机（sandbox），涵盖用户、建表、导数据、查询、数据分析等内容。