GBase 8a MPP Cluster 集群规划（1）-数据模型规划

 在集群上需要部署海量数据，如果集群部署失败后，再重新部署，成本将很高。因此，在实际部署集群前，需要对将在集群上部署应用的数据模型(schema)，数据容量，数据更新率，数据生命周期，数据安全策略，查询性能等诸多方面进行分析和优化。 本篇主要讲GBase 8a MPP Cluster的数据模型规划

      GBase 8a MPP Cluster 中， 数据是按表存放的， 因此数据模型规划阶段需要对数据表的分布策略进行仔细规划。 GBase 8a MPP Cluster 中的表可以分为如下类别：

•  复制表：在集群中复制表所在的 Distribution 中的每个节点都保存一份全量数据， 在与其它表进行关联查询时可以直接在本节点上完成，无需与其它节点进行交互，因此性能最优。但由于各个节点上数据完全相同，导致存储空间增加，因此通常用于数据量较小的表、维度表或经常需要 JOIN 关联的数据表。
•  分布表：将数据分布存储到不同的节点上。每个节点上存储一部分数据（分片存储），根据不同应用场景， GBase 8a MPP Cluster 提供如下两种分布表：

       1）哈希分布表：将表中某列指定为哈希列，然后将数据按照哈希算法的取值存储到不同的节点上。每个节点上只存储一部分数据。这种存储策略，将数据量较大的表数据进行拆分，实现分布式存储。哈希分布
表，经常用于对哈希列进行等值查询的场景，是大型数据中心最常用的数据分布方式。
       2）随机分布表：将数据随机存储到不同的节点上，每个节点只存储一部分数据，各个节点上的数据量接近。这种数据分布方式，通常用于对数据进行汇总计算的场景。  

       例如,在星型模型中，一般将维度表设为复制表，事实表创建为分布表(哈希分布或者随机分布)。在下图 ssb模型中， lineorder表设为分布表，其他维度表设为复制表。  

                                                              ssb 星型模型结构图

     

       对于分布表，还需要考虑数据的高可用，即需要确定备份个数及备份策略，最多支持备份个数为两个，满足不同的高可用需求。

•  nocopies 表： nocopies 表的引入是为了提供一种作为中间表使用的表，用以消除副本存储带来的开销，并且 nocopies 表也可以转换为带副本的普通分布表。
• 临时表：当创建表时，使用关键词 TEMPORARY。临时表被限制在当前连接中，当连接关闭时，临时表会自动地删除，这样两个不同的连接可以使用同一个临时表名而不会发生冲突，也不会与同名现有的表冲突（现有表将被隐藏，直到临时表被删除）。

       可以联合使用 NOCOPIES 关键字来创建临时的 nocopies 表；
       可以联合使用 REPLICATED 关键字来创建临时复制表；
       可以联合使用 DISTRIBUTED BY 关键字来创建临时哈希分布表；