Greenplum 是脱胎于 PostgreSQL 的分布式数据库。既然是分布式数据库,原来 PostgreSQL 生成的基于单机数据库的执行计划显然就无法使用了。因此,本章要分析的是 Greenplum 如何改进 PostgreSQL 的执行计划,使其能够在分布式数据库中执行。
数据分布不同了
Greenplum 中有多个结点,最主要的是划分成了 Master 结点和 Segment 结点。每个集群中只有一个 Master 结点,但是可以有多个 Segment 结点,Master 结点负责生成执行计划并协调执行计划的执行,而 Segment 结点负责保存数据。
分布式数据库的数据是分布在不同的结点之上的,PostgreSQL 数据库存在 3 种不同类型的表:
-- 哈希分布表
shzhang=# CREATE TABLE TEST_A(a int, b int, c int, d int) DISTRIBUTED BY (a,b);
CREATE TABLE
-- 随机分布表
shzhang=# CREATE TABLE TEST_B(a int, b int, c int, d int) DISTRIBUTED RANDOMLY;
CREATE TABLE
-- 复制分布表
shzhang=# CREATE TABLE TEST_C(a int, b int, c int, d int) DISTRIBUTED REPLICATED;
CREATE TABLE
哈希分布表: 按照指定的键值分布数据,比如在上面的示例中指定了以 (a,b) 作为键值进行分布数据。在向 TEST_A 中插入一条元组时,执行器会计算这个元组中对应的 (a,b) 所产生的整型的哈希值,并将这个哈希值映射到某个结点上(一般用取余数的方式,比如集群中有 3 个结点,通过 x%3 就能获得一个 0~2 之间的值ÿ