Greenplum企業應用實戰

• 第一章 greenplum簡介
• 第二章 greenplum 快速入門
• 第三章 Greenplum 實戰
• 第四章 資料字典詳解
• 第五章 執行計劃詳解
• 第六章 Greenplum 進階應用
• 第七章 Greenplum 架構介紹
• 第八章 Greenplum 線上環境部署
• 第九章 資料庫管理

很好的分析參考案例：GreenPlum簡單性能測試與分析

名詞解釋MPP：MPP 是将任務并行的分散到多個伺服器和節點上，在每個節點上計算完成後，将各自部分的結果彙總在一起得到最終的結果。

使用注意點：

1、資料分布方式包括：Hash分布、随機分布。Hash分布：指定一個或者多個分布鍵，Distributed by；随機分布：即平均分布，join時性能差，Distributed randomly。

     表的分片規則選取一定要慎重，盡可能選擇唯一且常用語 Join 的列作為 Distributed Key。

2、支援資料并發加載，gpfdist就是并發加載的工具。一般用來導入文本資料。例：先編寫gpload.yaml,然後gpload -f gpload.yaml。

3、Appendonly ：壓縮表必須是Appendonly表，是隻能不斷追加的表，不能進行更新和删除。

                             Appendonly表還有一種特殊的形式，就是列存儲。列存儲尤其适合在寬表中部分字段進行篩選的場景。

4、gp 資料庫的性能由一組 Segment 服務中最慢的 Segment 決定，是以要確定基本的運作 gp 資料的硬體與作業系統在同一性能級别，同樣建議在 gp 資料系統中的所有 Segment 機器有一樣的資源與配置。

5、gp 資料庫推薦使用标準的千兆以太網交換機來做 Interconnect。

6、跨庫關聯：

gp 資料庫将表資料分散至所有 Segment 執行個體，當需要進行表關聯分析時，由于各個表的 Distributed Key 不同，相同值的行資料可能分布在不同伺服器的不同 Segment 執行個體，是以不可避免需要在不同 Segment 間移動資料才能完成 Join 操作。跨庫關聯也正是分布式資料庫的難點之一。gp 資料庫是如何解決這個問題的：

（1）Join 操作的兩個表的 Distributed Key 即 Join Key

   由于 Join Key 即為兩個表的 Distributed Key，故兩個表關聯的行本身就在本地資料庫（即同一個 Segment 執行個體），直接關聯即可。在這種情況下，性能也是最佳的。

（2）Join 操作的兩個表中的一個 Distributed Key 與 Join Key 相同

   由于其中一個表的 Join Key 和 Distributed Key 不一緻，故兩個表關聯的行不在同一個資料庫中，便無法完成 Join 操作。在這種情況下就不可避免地需要資料跨節點移動，将關聯的行組織在同一個 Segment執行個體，最終完成 Join 操作。gp 可以選擇兩種方式将關       聯的行組織在同一個 Segment 中，其中一個方式是将 Join Key 和 Distributed Key 不一緻的表按照關聯字段重分布（Redistribute Motion），另一種方式是可以将 Join Key 和 Distributed Key 不一緻的表在每個 Segment 廣播（Broadcast Motion），也就是每個      Segment 都複制一份全量

（3）Join 操作的兩個表的 Distributed Key 和 Join Key 都不同

   由于兩個表的 Join Key 和 Distributed Key 都不一緻，故兩個表關聯的行不在同一個資料庫中，便無法完成 Join 操作。同樣在這種情況下，一種方式将兩個表都按照關聯字段重分布（Redistribute Motion），另一種方式可以将其中一個表在每個 Segment 廣播（Broadcase Motion），也就是每個 Segment 都複制一份全量

7、叢集裝好之後可以檢測一下叢集的性能，gpcheckperf  利用 gp 自帶的 gpcheckperf 工具可以很友善地測試檔案系統的讀寫性能。