m0_54979897的博客

在第12届PostgreSQL中国技术大会上，HashData的技术专家团队，为观众呈现了云数仓发展趋势、向量化与并行化实践等精彩演讲，并荣获“第12届PostgreSQL中国技术大会数据库最佳产品奖”。

在近期各大机构和媒体举办的年终盘点和评选活动中，HashData凭借在产品、服务、技术研发等方面的创新实践，获得众多机构和媒体的高度认可，领跑云原生数仓市场。

Interconnect是在不同Segment间数据移动的传输组件。gpdb有一种特有的执行算子motion，motion算子涉及查询处理期间在 Segment之间移动数据，通过Interconnect进行数据重分布。

建信金科联合HashData等合作伙伴打造的龙趺MPP DB数据库，自上线以来，节点规模超过27000个，管理超过18PB的业务数据。未来，HashData将基于领先的技术理念和服务头部客户积累的丰富经验，与更多行业客户合作，降低数据分析门槛，助力企业充分释放数据价值。

聚集算子 (Aggregation) 是数据库最常用功能之一，本文对聚集算子的基本概念，转换函数、后处理函数的作用，两种经典的聚集算法原理和并行聚集的大致思想进行了详细介绍。

GP-AO表的分析速度快，适用于大批量数据的访问和统计需求。HashData在PostgreSQL和Greenplum Database等平台丰富的分析功能的基础上，针对云平台特性进行了大量改进和优化，能够满足企业对海量数据的分析与处理需求，助力企业数字化转型。

HashData作为一款100% 兼容PostgreSQL生态的数据仓库，在PostgreSQL的基础上拓展了新的存储引擎，比如AO表、列式存储引擎等，进一步提升了系统的性能。

11月8日，HashData携手华为推出云原生数仓存储解决方案，双方通过架构级创新技术，打破多云间数据孤岛，推动和引领云上云下的技术融合，加速企业数字化转型和智能升级。

在数据规模激增和数据类型多元化的趋势下，以HashData为代表的云原生数据仓库，凭借高性能、高可用性和可伸缩性等特性，正成为众多企业“上云用数”的最佳范式。

数据库的向量化不仅仅是数据存储和运算的向量化，还是一个巨大的性能优化工程。未来，HashData会持续优化、完善向量化执行，提升系统性能，更好地满足客户业务需求。

HashData在传统架构的MPP数据库基础上，对存储层、计算层、元数据等进行了改进和优化，能够实现接近“零停机”的服务。

“湖仓一体”是近年来数据库领域的热门话题，HashData作为“湖仓一体”技术倡导者，基于湖仓一体模式构建，打通了数据仓库和数据湖，将数据仓库的高性能及管理能力与数据湖的灵活性、开放性融合了起来，为企业进行数据治理带来了更多的便利性。...

近日，阿里云宣布启动“数据存储生态计划”，HashData作为国内云原生数仓代表厂商，作为首批合作伙伴，加入阿里云数据存储生态计划。

HashData云数仓作为一款面向多种数据分析场景的高性能分析型数据库，采用元数据、计算和存储三者分离的架构，彻底解决了数据孤岛、操作繁琐等难题。

“存算分离”不仅能节约成本，还可以让资源根据业务需求弹性伸缩。HashData为了追求极致的弹性和扩展性，计算集群和持久化存储严格实行物理分离：计算集群由类似AWS EC2的虚拟机组成，持久化存储则使用对象存储。...

在数字化转型的推动下，随着数据量的不断增多，数据的整体通用性和管理成本大大增加。针对传统数据仓库管理存在的问题，HashData采用湖仓一体架构，能够实现数据仓库和数据湖的数据无缝打通和自由流动，减少重复建设，最大化降低数据流转和迁移成本。

随着云计算技术发展，云原生数据仓库应运而生。关于云数仓你了解多少？有没有存在错误认知？HashData带您走出云数仓九大误区！

背景外部表是数据仓库非常重要的一个功能特性，包括AWS Redshift、Azure Synapse、Google BigQuery和Snowflake等云数仓产品都有着完善的支持。顾名思义，外部表与内部表（或者内置表）对应，后者指的是正常的数据库表，无论是表的元数据还是物理数据文件均由数据库自身管理，而前者是将数据库之外（外部）的数据（可以是静态的数据文件，也可以是动态的数据流）映射成数据库的表对象，其中只有元数据是由数据库管理，物理数据文件或者数据流则是由外部的存储系统管理。例如，在《HashDat.

“HashData云原生架构”是HashData原创的系列文章。在第一篇《对象存储与HashData多云战略》的文章中提到：HashData数据仓库使用对象存储作为数据持久层，通过巧妙地在对象存储Bucket与数据库表空间建立映射关系，同一个HashData集群可访问（读写）不同对象存储系统的数据，原生支持多云数据访问。本文为系列解读第二篇，主要介绍HashData的多集群共享统一存储架构（Multi-cluster, Shared-data Architecture），重点分享——保存在对象存储上的同一.

背景与挑战在对象存储技术出现和普及之前，HDFS（Hadoop分布式文件系统）是市场上为数不多的开源、免费、高性价比（相对于昂贵的SAN系统）PB级存储系统，大量用于企业数据归档场景。同时，HDFS之上衍生了很多针对不同技术要求的分布式计算框架，使其适用于非结构化数据的清洗规整、流式计算和机器学习等场景。另一方面，数据仓库作为主数据系统，保存着企业内部最具商业价值的历史数据，同时支撑日常的经营分析和商业决策。在很多大型机构中，这两套系统是共存的。因此，如何实现与以HDFS为基础的大数据平台之间的高效数据互

多云架构的应运而生今天，随着企业数字化进程的推进，多云成为了企业IT基础设施建设的重要特点。多云战略的实施，帮助企业降低了成本，提高了服务效率及安全性。特别是全球性跨国公司，不仅需要业务集中化管理，同时需要满足不同地域的业务运营和监管需求。相比于 AWS、Azure、谷歌云等公有云上的云原生数据仓库，HashData 通过支持多种对象存储，能够提供完全兼容多个公有云与混合云的数据管理能力。对象存储的优势以Amazon S3为例，如下表格从多个维度将对象存储与Hadoop 体系架构中的HDFS进行比较.