学习
实践
活动
专区
工具
TVP
写文章
专栏首页GreenplumGreenplum数据库使用总结(干货满满)--

Greenplum数据库使用总结(干货满满)--

1 Greenplum整体架构信息

1.1 架构图示

在以上的架构中可以看出Greenplum主要是由Master和Segment组成的,Master承担生成查询计划并派发汇总执行结果,Segment是执行查询计划及数据储存管理。集群可以直接加载外部的数据。

官网请查看:https://greenplum.org/

Greenplum官方文档:https://gp-docs-cn.github.io/docs/common/gpdb-features.html

1.2 Master主机与Segment主机任务

Master主机负责

Segment主机负责

1. 建立与客户端的会话连接和管理

1. 业务数据的存储和存取

2.sql的解析并形成分布式的执行计划

2.执行由master分发的sql语句

3.将生成好的执行计划分发到每个Segment上执行

3.对于master来说,每个Segment都是对等的,负责对应数据的存储和计算

4.收集Segment的执行结果

4.每一台机器上可以配置一到多个Segment

5.master不存储业务数据,只存储数据字典

5.由于每个Segment都是对等的,建议采用相同的机器配置

6.master主机可以一主一备,分布在两台机器上

6.Segment分primary 和mirror两种,一般交错第存放在子节点上

7.为了提高性能,master最好单独占用一台机器

1.3 数据库分布键分布数据策略

由于greenplum数据库是个分布式数据库,数据分布在每一个segment节点上,其中数据的分布策略有两种分别是hash分布于随机分布。

1.3.1 HASH策略

Hash分布是利用Distributed by (filed1,filed2....) 做为数据分布的条件,计算hash值,并通过hash值路由到制定的segment上,如果不指定分布键,默认的是获取第一个字段作为分布键。在字段作为分布键时,该字段的值尽量是唯一的,这样才能分布的均匀,效率会更高,否则会降低数据库的想能。

1.3.2 随机分布

随机分布也叫平均分布。数据会随机的落在每一个segment节点上,不管数据内容是什么格式都会落到segment上,在SQL查询数据,数据会重新分布,性能会比较差,随机分布的用法为Distributed randomly;

1.4 master主节点获取segment节点上的数据顺序

Master在执行sql语句时由于数据切分放在每个segment上,master获取结果的顺序是segment提交的顺序,segment提交到master的顺序是随机的,就会导致一样的数据每次的查询结果顺序不一致,这也是与其他的数据不一样的地方。

2 Greenplum数据库常用知识

2.1 Greenplum 概念

Greenplum的架构采用了MPP(大规模并行处理)。在 MPP 系统中,每个 SMP节点也可以运行自己的操作系统、数据库等。换言之,每个节点内的 CPU 不能访问另一个节点的内存。节点之间的信息交互是通过节点互联网络实现的,这个过程一般称为数据重分配(Data Redistribution) 。与传统的SMP架构明显不同,通常情况下,MPP系统因为要在不同处理单元之间传送信息,所以它的效率要比SMP要差一点,但是这也不是绝对的,因为 MPP系统不共享资源,因此对它而言,资源比SMP要多,当需要处理的事务达到一定规模时,MPP的效率要比SMP好。这就是看通信时间占用计算时间的比例而定,如果通信时间比较多,那MPP系统就不占优势了,相反,如果通信时间比较少,那MPP系统可以充分发挥资源的优势,达到高效率。

中国已有:中信实业银行,东方航空公司,阿里巴巴,华泰保险,中国远洋(Cosco),李宁公司等大型企业用户选择Greenplum的产品。

2.2 OLTP与OLAP的理解

2.2.1 描述概念

Greenplum 支持OLTP与OLAP机制,同时也支持AO表与堆方式储存,其中OLTP与OLAP的特点如下:

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的基本特点是:

数据在系统中产生,

基于交易的处理系统(Transaction-Based),

每次交易牵涉的数据量很小,

对响应时间要求非常高,

用户数量非常庞大,主要是操作人员,

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)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。OLAP系统是跨部门的、面向主题的,其基本特点是:

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)

基于查询的分析系统,

复杂查询经常使用多表联结、全表扫描等,牵涉的数据量往往十分庞大,

响时间与具体查询有很大关系,

用户数量相对较小,其用户主要是业务人员与管理人员,

由于业务问题不固定,数据库的各种操作不能完全基于索引进行。

2.2.2 图示解释

OLTP与OLAP的比较

OLTP与OLAP对于硬件的要求

2.3 其他名词概念

2.3.1 HTAP概念

HTAP(Hybrid Transactional / Analytical Processing)

一份数据,支持在线事务与在线分析

分布式share nothing架构,线性扩展

3-15倍压缩

https://yq.aliyun.com/articles/193401?utm_content=m_29900

2.3.2 Append-only 的概念

AO表为追加存储,当删除、更新记录时,有一个BITMAP对象来存储对应的记录是否被删除。对于AO存储,虽然是appendonly,但实际上GP是支持DELETE和UPDATE的,被删除或更新的行,通过BITMAP来标记,性需要用vacuum来释放。

2.4 数据仓库设计规则

2.4.1 数据仓库概念

数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库,是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它是单个数据存储,出于分析性报告和决策支持目的而创建。 为需要业务智能的企业,提供指导业务流程改进、监视时间、成本、质量以及控制。

2.4.2 数据仓库设计规则相关资料

具体的可以参考数据仓库之父Bill Inmon在1991年出版的"Building the Data Warehouse",下载地址为:链接: https://pan.baidu.com/s/1I5ImKxDv0Jbx3psqTY2TzQ 提取码: gm8k

2.4.3 数据仓库设计规范参考

名词

名词简称

名词解释

Data Warehouse

DW

数据仓库主体

Operational Data Store

ODS

数据原始接入层,需要对数据频繁的增删改查,是支持对近期数据的OLTP查询,以减轻业务系统负载。

Data Warehouse Detail

DWD

数据源的细节层,有的也称为ODS层,是业务层与数据仓库的隔离层,在该层可以把业务表分的更细

Data Warehouse Base

DWB

数据仓库基础数据层,存储的是客观数据,一般用作中间层,可以认为是大量指标的数据层

Data Warehouse Service

DWS

服务数据层,基于DWB上的基础数据,主要整合汇总最终的结果供应用层使用,一般是宽表和高度压缩表。

Data Warehouse History

DWH

该层不在数据仓库设计的范围之内,按照业务新增的数据层,主要储存历史数据。

Data Warehouse Exception

DWE

该层不在数据仓库设计的范围之内,按照业务新增的数据层,主要储存异常数据。

Enterprise Data Warehouse

EDW

作为企业唯一的数据仓库,EDW提供统一的数据服务,查询结果有效一致。数据设计支持跨部门,支持海量数据,并支持大量的查询请求。

Data Mart

DM

和EDW类似,但更专注于部门级别而不是公司级别的统一数据服务。提供EDW不能提供的,针对部门的特殊数据服务需求

BI/Analytic Database

BID/AD

为商业智能和分析而优化的数据处理技术。包括数据清理,ETL,数据挖掘等。生产报表,也支持adhoc查询,数据反范式设计。

Data Lake Database

DLD

该层存储非加工数据,比如日志、视频等,以后结构化数据,并且不分类,没有为了特定程序进行设计和加工。

详细资料请参考:https://blog.csdn.net/xfg0218/article/details/85092196

文章分享自微信公众号:
小徐的技术之路

本文参与 腾讯云自媒体分享计划 ,欢迎热爱写作的你一起参与!

作者:小徐知识的力量
原始发表时间:2018-12-27
如有侵权,请联系 cloudcommunity@tencent.com 删除。
登录 后参与评论
0 条评论

相关文章

  • Greenplum数据库使用总结(干货满满)--初级使用

    psql / clusterdb / createdb / dropdb / dropuser / gpbackup / gpcheck / gpcopy / ...

    小徐
  • Greenplum数据库使用总结(干货满满)--高级使用

    stagging=# select gp_segment_id,count(1) from tablename group by 1;

    小徐
  • Greenplum数据库使用总结(干货满满)--PGBENCH使用

    $ psql -h 192.168.31.200 -d postgres -U postgres -p 5432

    小徐
  • Greenplum数据库使用总结(干货满满)--权限说明

    每个数据库的逻辑结构对象都有一个所有者,所有者默认拥有所有的权限,不需要重新赋予。

    小徐
  • Greenplum数据库使用总结(干货满满)--常用函数

    chinadaas=# select 'green'||'plum' as dbname;

    小徐
  • Greenplum数据库使用总结(干货满满)--资源队列

    在Greenplum的4.x版本之后,加入了资源队列的概念,其主要作用就是限制用户或者单个SQL对资源的消耗。避免出现消耗过多资源,影响其他用户或者SQL计算。...

    小徐
  • Greenplum数据库使用总结(干货满满)--常用设置参数

    参考资料:https://blog.csdn.net/kygoal/article/details/75041851

    小徐
  • Greenplum数据库使用总结(干货满满)--对JSON的支持

    JSON作为结构化的数据,目前越来越受到开发者的爱戴,它简单灵活易于理解。是作为储存数据的一种比较使用的一种格式,greenplum从5.0开始便很好的支持了J...

    小徐
  • Greenplum数据库使用总结(干货满满)--pg_dump命令使用

    Greenplum 支持逻辑备份。我们使用Greenplum自带的pg_dump命令实现逻辑备份功能,导出备份文件,再通过 psql 导入到Greenplum中...

    小徐
  • Greenplum数据库使用总结(干货满满)--常见创建TABLE方式

    create table test_head(id int primary key) distributed by (id);

    小徐
  • Greenplum数据库使用总结(干货满满)--工作中常见知识汇总

    drop external table if exists main.t_ent_baseinfo_external_20181214;

    小徐
  • Greenplum数据库使用总结--目录部分

    小徐
  • 满满干货!20个Python使用小技巧

    对别名的修改会影响原变量,(浅)复制中的元素是原列表中元素的别名,而深层复制是递归的进行复制,对深层复制的修改不影响原变量。

    程序员小二
  • 谷歌大脑2017总结(Jeff Dean执笔,干货满满,值得收藏)

    李杉 维金 编译自 Google Blog 量子位 出品 | 公众号 QbitAI 谷歌AI Senior Fellow、谷歌大脑负责人Jeff Dean,按照...

    量子位
  • 【干货满满】1.5w字初中级前端面试复习总结

    金九银十,又是一波跑路。趁着有空把前端基础和面试相关的知识点都系统的学习一遍,参考一些权威的书籍和优秀的文章,最后加上自己的一些理解,总结出来这篇文章。适合复习...

    WahFung
  • 干货 | Oracle数据库操作命令大全,满满的案例供你理解,收藏!

    Oracle是美国ORACLE公司研发的一款关系型数据库,主要特点有:速度快、安全性强、可跨平台,主要版本有:Oracle9i、Oracle10g、Oracle...

    网络技术联盟站
  • Greenplum使用pg_dump备份数据库

    Greenplum 支持逻辑备份。我们使用Greenplum自带的pg_dump命令实现逻辑备份功能,导出备份文件,再通过 psql 导入到Greenplum中...

    小徐
  • 干货 | Oracle数据库注入方式总结

    Oracle Database,又名Oracle RDBMS,或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。...

    HACK学习

扫码关注腾讯云开发者

领取腾讯云代金券