《GreenPlum系列-开发相关》GreenPlum数据库及语法使用

GreenPlum数据库及语法使用

1.启动和停止

su gpadmin

gpstart -a(-a的原因是不需要在手动输入yes)

gpstop -a

2.查看数据库状态

psql -l

pgstate

3.命令行连接访问数据库

命令	意义
\h	查看SQL命令的解释，比如\h select
?	查看PSQL命令列表
\l	列出所有数据库
\c [datebase_name]	连接其他数据库
\d	列出当前数据库的所有表格
\d [table_name]	列出某一张表格的结构
\du	列出所有用户
\e	打开文本编辑器
\conninfo	列出当前数据库和连接的信息
\d tblname	查看表结构，相当于desc tblname
\dt 列举表	相当于mysql的show tables
\di	查看索引
\df	查看函数
\copyright	显示PostgreSQL的使用和发行条款
\encoding [字元编码]	显示或设定用户端字元编码
\h [名称]	SQL命令语法，用*显示全部命令
\password [Username]	修改用户密码
\q	推出命令行界面

4.DML操作

• 创建新表

create table user(
	name varchar(20),
    signup_date DATE
);

• 插入数据

insert into 
user(name,sing_date) values('张三','2021-10-21');

• 选择记录

select * 
from user;

• 更新记录

update user set name = 'zxy' where name = 'zhou';

• 删除记录

delete from user where name = '李四';

• 添加字段

alter table user add email varchar(40);

• 更新字段

alter table user alter column sing_date set not null;

• 更名字段

alter table user rename column sing_date to signup;

• 删除字段

alter table user drop column email;

• 删除表格

drop table if exists user;

5.基本语法

• 创建数据库

createdb serviceDB(库名) -E utf-8
然后默认数据库
export GPDATABASE = serviceDB
进入命令界面
psql

• 查询建表

-- 方法一
create user as select * from text1;

--方法二
select * into user from text1;  

• Insert

在执行insert的时候吗，注意分布建不要为空，否则分布建默认会变成null,数据都被保存在一个节点上，导致数据分布不均。

• Update

不能批量对分布建执行update,因为对分布建执行update需要数据重分布，Greenplum暂时不支持这个功能。

• Delete

Greenplum 3.X版本中，如果delete操作设计子查询，并且子查询的结果还会涉及数据重分布，这样的删除语句会报错。 对整张表执行Delete较慢的，有此需求的建议使用truncate

• Truncate

与Oracle一样，执行Truncate直接删除表的物理文件，然后创建新的数据文件。truncate操作比delete操作在性能上有非常大的提升，当前如果有SQL正在操作这张表，那么truncate操作会被锁住，直到表上所有所被释放。

6.常见数据类型

6.1 数值类型

类型名称	存储空间	描述	范围
smallint	2字节	小范围整数	-32768 ~ 32 767
integer	4字节	常用的整数	-2 147 483 648~+2 147 483 647
bigint	8字节	大范围的整数	-9 223 372 036 854 ~9 223 372 036 854
decimal	变长	用户声明精度，精确	无限制
numeric	变长	用户声明精度，精确	无限制
real	4字节	变精度，不精确	6位十进制数字精度
double precision	8字节	变精度，不精确	15位十进制数字精度
serial	4字节	自增整数	1 - 2 147 483 647
bigserial	8字节	大范围的自增整数	1 - 9 223 372 036 854 775 807

6.2 字符类型

类型名称	描述
character varying(n),varchar(n)	变长，有长度限制
character(n),char(n)	定长，不足补空白
text	变长，无长度限制

6.3 时间类型

类型名称	存储空间	描述	最低值	最高值	时间精度
timestamp[§][without time zone]	8字节	日期和时间	4713BC	5874897AD	1毫秒
timestamp[§] with time zone	8字节	日期和时间，带时区	4713BC	5874897AD	1毫秒
interval[§]	12字节	时间间隔	-178 000 000年	178 000 000年	1毫秒
date	4字节	只用于表示日期	4713BC	5 874 897AD	1天
time[§][without time zone]	8字节	只用于表示一日内的时间	00:00:00	24:00:00	1毫秒
time[§] with time zone	12字节	只用于表示一日内时间，带时区	00:00:00+1459	24:00:00-1459	1毫秒

7.常用函数

7.1 字符串函数

函数	返回类型	描述	例子	结果
string||string	text	字符串连接
length(string)	int	string中字符的数目	length(‘jose’)	4
position(substring in string)	int	指定的子字符串的位置	position(‘om’in’Tomas’)	3
substring(string[from int][for int])	text	抽取子字符串	substring(‘Thomas’from 2 for 3)	hom
trim([leading|trailing|both][characters]from string)	text	从字符串string的开头/结尾/两边删除只包含characters中字符（默认是空白）的最长的字符串	trim(both ‘x’ from ‘xTomxx’)	Tom
lower(string)	text	把字符串转化为小写
upper(string)	text	把字符串转化为大写
overlay(string placing string from int [for int])	text	替换子字符串	overlay(‘Txxxxas’ placing ‘hom’ from 2 for 4)	Thomas
replace(string text,from text,to text)	text	把字符串string中出现的所有子字符串from替换成子字符串to	replace(‘abcdefabcdef’,’cd,’XX’)	abXXefabXXef
split_part(string text, delimiter text,filed int)	text	根据delimiter分隔string返回生成的第field个子字符串（1开始）	split_part(‘abc|def|ghi’,’|’,2)	def

7.2 时间函数

使用interval类型可以直接对事件类型进行计算，用来计算时间的加减

函数	返回类型	描述	例子	结果
age(timestamp,timestamp)	interval	减去参数后的”符号化”结果	age(timestamp’2001-04-10’,timestamp’1957-06-13)	43 years 9 mons 27 das
age(timestam)	interval	从current_date减去参数中的日期	age(timestam’1957-06-13)	-
current_date	date	当前的日期	-	-
current_time	time with time zone	当日时间	-	-
current_timestamp	timestamp with time zone	当前事务开始时的事件戳	-	-
date_part(text,timestamp)	double precision	获取子域（等效于extract)	date_part(‘hour’,timestamp’2001-02-16 20:38:40)	20
date_trunc(text,timestamp)	timestamp	截断成指定的精度	date_trunc(‘hour’,timestamp ‘2001-02-16 20:38:40’)	2001/2/16 20:00
extract(field from timestamp)	double precision	获取子域	（同date_part）	（同date_part）
now()	timestampe with time zone	当前事务开始的时间戳	-

7.3 数值计算函数

函数	返回类型	描述	例子	结果
abs(x)	(与x相同)	绝对值	-	-
ceil(dp或numeric)\ceiling	(与输入相同)	不小于参数的最小整数	-	-
exp(dp或numeric)	(与输入相同)	自然指数	-	-
ln(dp或numeric)	(与输入相同)	自然对数	-	-
log(dp或numeric)	(与输入相同)	以10 为底的对数	-	-
log(b numeric,x numeric)	numeric	以b为底的对数	-	-
mod(y,x)	(与参数类型相同)	y/x的余数	-	-
pi()	dp	π	-	-
power(a numeric,b numeric)	numeric	a的b次幂	-	-
radians(dp)	dp	把角度转为弧度	-	-
random()	dp	0~1之间的随机数
floor(dp或numeric)	(与输入相同)	不大于参数的最大整数	-	-
round(v numeric,s int)	numeric	圆整为s位小数	round(42.4382,2)	42.44
sign(dp或numeric)	(与输入相同)	参数的符号(-1,0,+1)	sing(-8,4)	-1
sqrt(dp或numeric)	(与输入相同)	平方根	-	-
cbrt(dp)	dp	立方根	-	-
trunc(v numeric,s int)	numeric	截断为s位小数	-	-

7.4 其他常用函数

• 序列号生成函数——generate_series

generate_series(x,y,t)

生成多行数据从x到另外y，步长为t，步长默认是1

• 字符串列转行——string_agg

string_agg(str,symbol [order by str])

（按照某字段排序）将str列转行，以symbol分隔

• 字符串行转列——regexp_split_to_table

• hash函数——md5，hashbpchar

md5的hash算法精度为128位，返回一个字符串
Hashbpchar的精度是32位，返回一个integer类型

8.分析函数

8.1 开窗函数

聚合函数返回各个分组的结果，开窗函数则为每一行返回结果。

rank() 不连续不重复
row_number() 连续不重复

8.2 grouping sets

如果需要对几个字段的组合进行group ，需要用到grouping sets功能

group sets语法	等价的普通SQL的语法
SELECT C1,C2,SUM(C3)FROM T GROUP BY GROUPING SETS((C1),(C2))	SELECT C1,NULL AS C2,SUM(C3) FROM T GROUP BY T UNION ALL SELECT NULL AS C1,C2,SUM(C3) FROM T GROUP BY YEAR
GROUP BY GROUPING SETS((C1,C2,…Cn))	GROUP BY C1,C2,…,Cn
GROUP BY ROLLUP(C1,C2,…,Cn-1,Cn)	GROUP BY GROUPING SETS((C1,C2,…CCn-1,Cn),(C1,C2,…,Cn-1)…,(C1,C2),(C1),())
GROUP BY CUBE(C1,C2,C3)	GROUP BY GROUPING SETS((C1,C2,C3),(C1,C2),(C1,C3),(C2,C3),(C1),(C2),(C3),())

9.分区表

Greenplum支持分区表。

可以使用时间分区、Every分区、list分区、

通过实验得到：向主表插入数据时，数据会被自动存放至相应的分区表。

也可以直接向分区子表插入符合条件的数据，

当向分区子表插入不符合条件的额数据时，会提示：
[Err] ERROR: Trying to insert row into wrong partition (seg1 hadoop3:40000 pid=6679) DETAIL: Expected partition: test_partition_range_1_prt_p20111231, provided partition: test_partition_range_1_prt_p20111230
删除主表是会自动删除关联的分区表

9.1 按时间分区

create table public.test_partition_range(

  id numeric,

  name character varying(32),

  dw_end_date date

)Distributed by (id)

PARTITION BY range(dw_end_date)

(

​    PARTITION p20111230 START ('2011-12-30'::date) END ('2011-12-31'::date),

​    PARTITION p20111231 START ('2011-12-31'::date) END ('2012-01-01'::date)

);

在各自的分区表中插入数据,总表中会有显示.删除总表后,分区表直接删除

9.2 使用Every分区

create table test.test_partition_every(

  id numeric,

  name character varying(32),

  dw_end_date date

) distributed by(id)

partition by range(dw_end_Date)

(

  partition p201112 start('2011-12-1'::date) end ('2011-12-31'::date)

  every ('1 days'::interval)

);

使用interval类型可以直接对事件类型进行计算，用来计算时间的加减

9.3 使用list分区

create table test.test_partition_list(

  member_id numeric,

  city character varying(32)

)distributed by (member_id)

partition by list(city)

(

  partition guangzhou values('guangzhou'),

  partition hangzhou values('hangzhou'),

  default partition other_city

);

9.4 修改分区表

ALTER DEFAULT PARTITION

DROP DEFAULT PARTITION [IF EXISTS]

DROP PARTITION [IF EXISTS] {

  partition_name

  | FOR (RANK(number))

  | FOR (value)

}

[CASCADE]

TRUNCATE DEFAULT PARTITION

TRUNCATE PARTITION {

  partition_name

  | FOR (RANK(number))

  | FOR (value)

}

RENAME DEFAULT PARTITION TO new_partition_name

RENAME PARTITION {

  partition_name

  | FOR (RANK(number))

  | FOR (value)

}

TO new_partition_name

ADD DEFAULT PARTITION NAME [(subpartition_spec)]

ADD PARTITION [name] partition_element

  [(subpartition_spec)]

EXCHANGE PARTITION {

  partition_name

  | FOR (RANK(number))

  | FOR (value)

} WITH TABLE TABLE_NAME

  [WITH|WITHOUT VALIDATION]

EXCHANGE EFAULT PARTITION WITH TABLE TABLE_NAME

  [WITH|WITHOUT VALIDATION]

SET SUBPARTITION TEMPLATE (subpartition_spec)

SPLIT DEFAULT PARTITION {

​    AT (list_value)

  |START([datatype] range_value) [INCLUSIVE|EXCLUSIVE]

   END ([datatype]) range_value) [INCLUSIVE|EXCLUSIVE]

}

[INTO (PARTITION new_partition_name,

​       PARTITION default_partition_name)]

SPLIT DPARTITION {

  partition_name

  | FOR (RANK(number))

  | FOR (value)

} AT(value)

[INTO (PARTITION partition_name, PARTITION partition_name]

• 新增分区

alter table test.test_partition_every add partition p20120105_6

start ('2012-01-05'::date) END ('2012-01-07'::date);

• drop/truncate分区

alter table test.test_partition_every drop partition p20120105_6;
alter table test.test_partition_every truncate partition p20120105_6;

拆分分区

alter table test.test_partition_every split partition p20120105_6
at(('2012-01-06'::date)) into (partition p20120105,partition p20120106);

交换分区

alter table test.test_partition_every exchange partition p20120102 
with table test.test_on_partition;

10.外部表

Greenplum在数据加载上有一个明显的优势，就是支持数据并发加载，gpfdist就是并发加载的工具，在数据库中对应的就是外部表。

外部表就是一张表的数据是指向数据库之外的数据文件的。在Greenplum中，可以对一个外部表执行正常的DML操作，当读取数据的时候，数据库就从数据文件中加载数据。外部表支持在Segment上并发的告诉从gpfdist导入数据，由于是直接从Segment上导入数据，所以效率非常高。

10.1 创建外部表

CREATE [READABLE] EXTERNAL TABLE TABLE_NAME

(column_name data_type [,...] | LIKE other_table)

LOCATION ('file://seghost[:port]/path/file' [,...])

  | ('gpfdist://filehost[:port]/file_pateern' [,...])

  | ('gphdfs://hdfs_host[:port]/path/file')

FORMAT 'TEXT'

[( [HEADER]

   [DELIMITER [AS] 'delimeter' | 'OFF']

   [NULL [AS] 'null string']

   [ESCAPTE [AS] 'escape'|'OFF']

   [NEWLINE [AS] 'LF'|'CR'|'CRLF']

   [FILL MISSING FIELDS] )]

| 'CSV'

[( [HEADER]

   [QUOTE [AS] 'quote']

外部表需要指定gpfdist的IP和端口，详细目录地址。其中文件名支持通配符匹配。 可以编写多个gpfdist的地址，但是不能超过总的Segment数，否则会报错。在创建外部表的时候可以指定分隔符、err表、指定允许出错的数据条数，以及源文件的字符编码等。 外部表还支持本地文本文件的导入，效率较低，不建议使用。 外部表还支持HDFS的文件操作。

10.2 启动gpfdist及创建外部表

• 1.首先在文件服务器上启动gpfdist服务，指定文件目录及端口

nohup $GPHOME/bin/gpfdist -d /home/admin -p 8888 > /tmp/gpfdist.log 2>&1 &

nohup保证程序在Server端执行，当前会话关闭后，程序仍然正常运行
nohup是Unix/Linux中的一个命令，普通进程通过&符号放到后台运行，如果启动该程序的额控制台退出，则该进程终止。nohup命令启动程序，则在控制台退出后，进程仍然继续运行，起到守护进程额作用。

• 2.准备好需要加载的数据文件，将其放在外部表文件及其的、home/admin/目录或该目录的子目录下，在Greenplum中创建对应的外部表

create external table test.test001_ext(

  id integer,

  name varchar(128)

)

location (

  'gpfdist://10.20.151.11:8888/gpextdata/test001.txt'

)

format 'TEXT' (delimiter as E'|' null as '' escape 'OFF')

encoding 'gb18030' log errors into test.test001_err segment reject limit 10rows;

• 3.外部表查询及数据加载

testDB=# select * from public.test001_ext

10.3 COPY命令

使用COPY命令可以实现将文件导出和导入，但是要通过Master，效率没有外部表高，但是在数据量比较小的情况下，COPY命令比外部表要方面很多。

COPY table [(colum [, ...]) ] FROM {'file'|STDIN}

[ [WITH]

  [OIDS]

  [HEADER]

  [DELIMITER [AS] 'delimeter']

  [NULL [AS] 'null string']

  [ESCAPE [AS] 'escape' | 'OFF']

​    [NEWLINE [AS] 'LF'|'CR'|'CRLF']

  [CSV [QUOTE [AS] 'quote']

​    [FORCE NOT NULL column [,...]]

  [FILL MISSING FIELDS]

  [ [LOG ERRORS INTO error_table] [KEEP]

​     SEGMENT REJECT LIMIT count [ROWS|PERCENT]]

COPY {table [(column [,...])] |(query) } TO {'file'|STDOUT}

  [ [WITH]

​    [OIDS]

​    [HEADER]

​    [DELIMIETER [AS] 'delimeter']

​    [NULL [AS] 'null string']

​    [ESCAPE [AS] 'escape'|'OFF']

​    [CSV [QUOTE [AS] 'quote']

​         [FORCE QUOTE column [,...]]]

copy public.number_fdata0_1_prt_p30001231 from '/home/gpadmin/member_his_init.dat' with delimiter ',';

Greenplum 4.x中引入了可写外部表，在导出数据的时候可以用可写外部表并发导出，性能很好。但在Greeplum3.x版本中，导出数据只能通过COPY命令实现，数据在Master上汇总导出。
如果需要将数据远程导出到其他机器上，可以使用copy to stdout，远程执行psql连接到数据库上，然后通过管道将数据重定向成文件。

11 GP的存储过程

Greenplum支持SQL/PYTHON/PERL/C语言构建函数，以下着重介绍SQL 存储过程。 一个存储过程就是一个事务，包括对子过程的调用都在一个事务内

• 存储过程结构模板1：

CREATE FUNCTION somefunc() RETURNS integer AS $$

DECLARE

​    quantity integer := 30;

BEGIN

 

​    RETURN ....;

END;

$$ LANGUAGE plpgsql;

• 存储过程结构模板2：

create or replace function 存储过程名称(in 参数1 参数类型,in 参数2 参数类型,in 参数3 参数类型 )
returns 返回类型 as $$ 
begin
存储过程语句
end;
$$ language plpgsql;


create or replace function prc_test(in par1 text,in par2 numeric,in par3 integer)
returns void as $$ 
begin
insert into table1 values(par1,par2,par3);
end;
$$ language plpgsql;

• 存储过程结构模板3：

CREATE OR REPLACE FUNCTION dws.p_function()
 RETURNS void
 LANGUAGE plpgsql
AS $function$ 
begin

end;
$function$
;

• 赋值

给一个变量或行/记录赋值用下面方法：identifier := expression
例子：user_id := 20;

• perform query

执行一个没有结果的查询: PERFORM query;
一个例子：
PERFORM create_mv(‘cs_session_page_requests_mv’, my_query);

• 动态****SQL

EXECUTE command-string [INTO [STRICT] target];

• SELECT INTO

Example：SELECT ID INTO VAR_ID FROM TABLEA

• 获取结果状态

GET DIAGNOSTICS variable = item [, …];
一个例子：
​ ·GET DIAGNOSTICS integer_var = ROW_COUNT;

• SQL返回变量

SQLERRM， SQLSTATE

• 控制结构

IF … THEN … ELSEIF … THEN … ELSE
LOOP, EXIT, CONTINUE, WHILE, FOR

• 从函数返回

有两个命令可以用来从函数中返回数据：RETURN 和 RETURN NEXT 。
Syntax：RETURN expression;

• 设置回调

EXEC SQL WHENEVER condition action;
condition 可以是下列之一：
SQLERROR，SQLWARNING，NOT FOUND

• 异常处理

  EXCEPTION WHEN unique_violation 
  
  THEN 
  
  -- do nothing 
  
  END;
  
  忽略错误：
  
  EXCEPTION  WHEN OTHERS THEN
  
  ​            RAISE NOTICE 'an EXCEPTION is about to be raised';
  
  ​            RAISE EXCEPTION 'NUM:%, DETAILS:%', SQLSTATE, SQLERRM;
  
  END;
  

• 错误和消息

	
	RAISE level 'format' [, expression [, ...]];
	
	Level:
	
	Info:信息输入
	
    Notice:信息提示
	
	Exception:产生一个例外，将退出存储过程
	
	Example: RAISE NOTICE 'Calling cs_create_job(%)', v_job_id;