Greenplum企业应用实战（笔记）：第一章 greenplum简介

第一章 greenplum简介

[TOC]

1.1 greenplum的起源和发展历程

针对数据密集型计算中的海量数据处理这一高效的数据管理功能。比较典型的解决方案有Teradata、Greenplum、Hadoop Hive、Oracle Exadata、IBM Netteza等

1.2 OLTP与OLAP

数据库系统一般分为两种类型：OLTP、OLAP：

OLTP（On-Line Transaction Processing，联机事务处理）系统：也称为生产系统，它是事件驱动的、面向应用的，比如电子商务网站的交易系统就是一个典型的OLTP系统。

OLTP的基本特点：

1. 数据在系统中产生
2. 基于交易的处理系统（Transaction-Based）
3. 每次交易牵涉的数据量很小
4. 对响应时间要求非常高
5. 用户数量非常庞大，主要是操作人员
6. 数据库的各种操作主要基于索引进行

OLAP（On-Line Analytical Processing，联机分析处理）系统：是基于数据仓库的信息分析处理过程，是数据仓库的用户接口部分。是跨部门的、面向主题的。

OLAP的基本特点是：

1. 本身不产生数据，其基础数据来源于生产系统中的操作数据（OperationalData）
2. 基于查询的分析系统
3. 复杂查询经常使用夺标联结、全表扫描等，牵涉的数据量往往十分庞大
4. 响应时间与具体查询有很大关系
5. 用户数量相对较小，其用户主要是业务人员与管理人员
6. 优于业务问题不固定，数据库的各种操作不能完全基于索引进行

greenplum属于OLAP

1.3 PostgreSQL与Greenplum的关系

1.3.1 PostgreSQL

PostgreSQL：是一种非常先进的对象-关系型数据库管理系统（ORDBMS），是目前功能最强大，特性最丰富和技术最先进的自由软件数据库系统之一

特性：

1. 函数/存储过程
   1. 内置的plpgsql，一种类似oracle的plsql的语言
   2. 支持的脚本语言有：PL/Lua、PL/LOLCODE、PL/Perl、PL/HP、PL/Python、PL/Ruby、PL/sh、PL/Tcl和PL/Scheme
   3. 编译语言有C、C++、JAVA
   4. 统计语言PL/R
2. 索引：支持用户歹意的索引访问方法，并且内置B-tree、哈希和GiST索引。特点如下：
   1. 可以从后向前扫描
   2. 可以创建表达式索引
   3. 部分索引
3. 触发器
4. 并发管理（MVCC，多版本并发机制）
5. 规则（RULE）：规则允许我们队由一个查询生成的查询数进行改写
6. 数据类型
   1. 任意精度的数值类型
   2. 无线长度的文本类型
   3. 几何原语
   4. IPv4和IPv6类型
   5. CIDR块和MAC地址
   6. 数组
   7. 自定义类型
7. 用户定义对象：索引、操作符（内部操作符可以被覆盖）、聚集函数、域、类型转换、编码转换
8. 继承：表可以相互继承。一个表可以有父表，父表的结构变化会导致子表的结构变化，而对子表的插入和数据更新等也会反映到父表中
9. 其他特性与扩展
   1. 二进制和文本大对象存储
   2. 在线备份
   3. TOAAT（The Oversized-Attribute Storage Technique）用于透明地在独立的地方保存大的数据库属性。当数据超过一定大小的时候，会自动进行压缩以节省空间
   4. 正则表达式
   5. Slony-I
   6. pgcluster
   7. Mammoth replicator
   8. Bucardo

1.3.2 Greenplum

本质上讲，greenplum 是一个关系型数据库集群，是由数个独立的数据库服务组合成的逻辑数据库。

与oracle RAC的shared-Everything架构不同，greenplum采用Shared-Nothing架构，整个集群由很多个数据节点（Segment Host）和控制节点（master Host）组成，其中每个数据节点上可以运行多个数据库。简单来说，Shared-Nothing是 一个分部式的架构，每个节点相对独立。在典型的Shared-Nothing中，每一个节点上所有的资源（CPU，内存，磁盘）都是独立的，每个节点都只有全部数据的一部分，也只能使用本节点的资源

在greenplum中，需要存储的数据在进入数据库时，将先进行数据分布的处理工作，将一个表中的数据平均分布到每个节点上，并为每个表指定一个分布列（distribute Column），之后便根据Hash来分布数据。基于Shared-Nothing的原则，Greenplum这样处理可以充分发挥每个节点处I/O的处理能力

1.4 greenplum特性及应用场景

1.4.1 特性

1. 支持海量数据存储和处理
2. 高性价比
3. 支持Just In Time BI：通过准实时、实时的数据加载方式，实现数据仓库的实时更新，进而实现动态数据仓库（ADW），基于动态数据仓库，业务用户能对当前业务数据进行BI实时分析（Just In Time BI）
4. 系统易用性
   1. 支持主流的sql语法，使用起来十分方便，学习成本低
   2. 扩展性好，支持多语言的自定义函数和自定义类型等
   3. 提供了大量的维护工具，使用维护起来很方便
   4. 在internet上有这丰富的postgreSQL资源供用户参考
5. 支持线性扩展：采用MPP并行处理架构。在MPP结构中增加节点就可以线性提供系统的存储容量和处理能力
6. 较好的并发支持及高可用性支持除了提供硬件级的Raid技术外，还提供数据库层Mirror机制保护，也剧场将每个节点的数据在另外的节点中同步镜像，单个节点的错误不影响整个系统的使用。对于主节点，还提供Master/Stand by机制进行主节点容错，当主节点发生错误时，可以切换到Stand by节点继续服务
7. 支持MapReduce：一种大规模数据分析技术
8. 数据库内部压缩

1.4.2 greenplum应用场景

greenplum的主要特点：查询速度快、数据装载速度快、批量DML处理快、性能可以随着硬件的添加呈线性增加、拥有非常良好的课扩展性。

主要适用于面向分析的应用，如构建企业级ODS/EDW、数据集市等

• 第一章 greenplum简介
• 第二章 greenplum 快速入门
• 第三章 Greenplum 实战
• 第四章 数据字典详解
• 第五章 执行计划详解
• 第六章 Greenplum 高级应用
• 第七章 Greenplum 架构介绍
• 第八章 Greenplum 线上环境部署
• 第九章 数据库管理