盤點 Greenplum 數(shù)據(jù)庫的十大特點

01 開放源代碼

Greenplum數(shù)據(jù)庫于2015年由Pivotal公司開源，遵循Apache Licence 2.0協(xié)議，官方網(wǎng)站為：

http://greenplum.org

代碼托管在GitHub上，鏈接為：

https://github.com/greenplum-db/gpdb

開放源碼一方面可以為數(shù)據(jù)庫用戶和開發(fā)人員提供Greenplum數(shù)據(jù)庫源碼級的實現(xiàn)參考，另一方面可以吸引更多的數(shù)據(jù)庫開發(fā)者參與到Greenplum社區(qū)維護中。

02 高擴展性

Greenplum數(shù)據(jù)庫采用大規(guī)模無共享架構(gòu)，將多臺服務(wù)器組裝成強大的計算平臺，實現(xiàn)高效的海量并行運算。Greenplum數(shù)據(jù)庫可以支持1000個以上的集群，管理的數(shù)據(jù)規(guī)模從TB級到PB級，可以滿足多數(shù)企業(yè)的數(shù)據(jù)處理需求。

03 高查詢性能

Greenplum的高性能不僅來自高效的并行處理框架，還有查詢引擎的優(yōu)化。Greenplum數(shù)據(jù)庫除了支持基于PostgreSQL的查詢優(yōu)化之外，還專門開發(fā)了一個新的查詢優(yōu)化器ORCA。

ORCA是一款自頂向下的基于Cascades框架的查詢優(yōu)化器，目前已經(jīng)成為企業(yè)版Greenplum數(shù)據(jù)庫的默認(rèn)優(yōu)化器。相比基于PostgreSQL的查詢優(yōu)化器，ORCA查詢優(yōu)化器能使部分查詢的性能提升10～1000倍。

04 高可用

Greenplum提供多級容錯機制，確保整個系統(tǒng)的高可用性。Master節(jié)點通過Standby Master節(jié)點進行備份，每個數(shù)據(jù)節(jié)點的Primary Segment實例分別配置一個Mirror Segment實例作為備份，同時確保同一組Primary Segment實例和Mirror Segment實例不在同一物理機上，從而降低因為宕機而導(dǎo)致數(shù)據(jù)丟失的風(fēng)險。

05 高效資源管理

Greenplum提供了高效的資源管理機制，根據(jù)用戶的業(yè)務(wù)邏輯將資源合理地分配給查詢?nèi)蝿?wù)，避免查詢?nèi)蝿?wù)因查詢資源不足而得不到響應(yīng)。

Greenplum資源管理主要包括對并發(fā)查詢數(shù)量的限制，查詢執(zhí)行時內(nèi)存、CPU資源使用的限制等。Greenplum數(shù)據(jù)庫提供了資源隊列（Resource Queue）和資源組（Resource Group）兩種資源管理方式，一般使用場景下采用默認(rèn)配置即可。

06 多態(tài)存儲

用戶可以根據(jù)數(shù)據(jù)熱度或者訪問模式的不同使用不同的存儲方式，以獲得更好的查詢性能。用戶可以為一張表按照一定的規(guī)則（比如日期、月份）創(chuàng)建分區(qū)表，一張表的各個子分區(qū)表可以使用不同的物理存儲方式。

支持的存儲方式包括：

• 行存儲，數(shù)據(jù)以行的形式存儲在數(shù)據(jù)頁里，適合頻繁更新的查詢；

• 列存儲，數(shù)據(jù)以列的形式存儲在數(shù)據(jù)頁里，適合OLAP分析型查詢；

• 外部表，數(shù)據(jù)保存在其他文件系中，如HDFS、S3，數(shù)據(jù)庫只保留元數(shù)據(jù)信息。

07 生態(tài)完整

Greenplum數(shù)據(jù)庫擁有完善的SQL標(biāo)準(zhǔn)支持，包括SQL92、SQL99、SQL2003以及OLAP擴展，是對SQL標(biāo)準(zhǔn)支持最好的開源商用數(shù)據(jù)庫系統(tǒng)之一。同時，由于Greenplum數(shù)據(jù)庫基于PostgreSQL，因此也繼承了PostgreSQL對于JDBC、ODBC、C、Python API等接口的支持。

08 高效數(shù)據(jù)加載

Greenplum還有一個非常神奇的功能——GPload并行加載數(shù)據(jù)，即允許數(shù)據(jù)從多個文件系統(tǒng)通過多個主機上的多個網(wǎng)卡加載數(shù)據(jù)，從而達到非常高的數(shù)據(jù)傳輸率。筆者曾經(jīng)在3個節(jié)點的集群上并行加載50GB、2億行記錄的數(shù)據(jù)，僅用時90s。

此外，Greenplum數(shù)據(jù)庫可以讀取和寫入多種類型的外部數(shù)據(jù)源，包括文本文件、XML文件、S3平臺文件、Gemfire、Web服務(wù)器以及Hadoop生態(tài)系統(tǒng)中的HDFS、Hive、HBase、Kafka、Spark等，同時支持?jǐn)?shù)據(jù)壓縮以及字符集間的自動轉(zhuǎn)換。

09 高級數(shù)據(jù)分析功能

Greenplum數(shù)據(jù)庫支持各種過程化編程語言，包括PL/PostgreSQL、PL/R、PL/Python、PL/Java、PL/Perl等語言擴展。在高級數(shù)據(jù)分析方面，通過Greenplum數(shù)據(jù)庫的MADlib擴展模塊，用戶可以很方便地利用MPP架構(gòu)完成大規(guī)模并行分析。

10 良好的監(jiān)控管理和運維體驗

Greenplum數(shù)據(jù)庫提供基于Web的可視化工具—Greenplum Command Center（簡稱GPCC）。GPCC可以監(jiān)控Greenplum數(shù)據(jù)庫系統(tǒng)的性能、集群健康狀態(tài)、查詢執(zhí)行及系統(tǒng)資源使用情況，如圖2-4所示。

▲圖2-4 Greenplum數(shù)據(jù)庫資源監(jiān)控中心界面