Greenplum之桃花源（1）

Greenplum简介

MPP是Massively Parallel Processing，即大规模并行处理。
Greenplum是建立在MPP框架之上的大数据并行处理数据库。
Greenplum是承载多个Postgresql实例的平台，对Psql进行多节点并发的改造，从而实现大数据并发的数据处理。

数据重分布、广播–数据迁移
顾名思义，数据迁移就是数据的迁移。
并发数据库架构MPP的重要特点就是，关联数据在不同的节点之上，这种情况对于普通关系型数据库来说是没办法的，可是MPP可以通过数据迁移实现。

分布键
哈希分布和随机分布
对于减小数据库开销和增加效率来说我们有几种方法：

1、分区

主要是为了缩小query所需要扫描的数据
greenplum支持LIST和RANGE两种分区类型

2、索引

避免全局扫描，快速定位到所关联的数据

3、设计适当的模式和search_path
使得不同用户在操作表时快速定位到模式和表

4、设计适当的分布键

（1）尽量选择经常需要JOIN的列：当关联键和分布键均一致时，可以在 Segment 中完成 JOIN，不需要重分布或者广播小表；当关联键和分布键不一致时，则需要重分布不一致的表或者广播小表，带来额外的开销。

（2）尽量选择分布均匀的列或者多列：若选择的分布列值分布不均匀，则可能导致数据倾斜。某些 Segment 非常大（压力大）某些 Segment 非常小。根据木桶原理，时间消耗会卡在数据多的节点上。

（3）尽量选择高并发查询的条件列（指该查询条件产生的中间结果集小的，如果中间结果集很大，那就让所有节点都来参与运算更好，因此不选）如果数据经常被高并发的键值或离散查询，可以将查询条件的列作为分布列，这样不需要连接到所有的 Segment 去查，可以大大提高并发能力。

（4）不要轻易使用随机分布

基本用法：

\h获取具体命令的语法，比如
\h create table

建库：

CREATE DATABASE newname USING TEMPLATE tmplatedbname;

建模式：

CREATE SCHEMA schema_name;
(在哪个用户下建立的，就只能哪个用户访问除了gpadmin，也可以设置权限，以及搜索路径search_path)

建用户：

CREATE ROLE role_name WITH PASSWORD ‘***’;

我们也可以把一个用户赋予另一个用户

CREATE ROLE role_name CREATEROLE CREATEDB；
GRANT role_name TO role_name1,role_name2;

那么role_name1和2就可以使用和role_name一样的权限

建表：
在Greenplum中建表时需要指定表的分布键。
如果表需要用某个字段分区，可以通过partition by将表建成分区表。
可以使用like操作创建与like的表一样结构的表，功能类似

create table t1 as select*from t2 limit 0。

可以使用inherits实现表的继承，具体的实现可以参考postgreSQL文档。

CREATE TABLE test01(id int primary key,name varchar(128)) distrubuted(id);

数据类型

任意精度的数值
无限制长度文本
几何图元
IP地址与IPv6地址
无类域间路由地址块，MAC地址
数组

查询语句可以不指定from，比如在执行函数的时候

select greatest(1,2)

explain用于查询一个表的执行计划
insert可以批量操作，但是分布键不可以为空，否则分布键默认为null
update不能对分布键进行批量执行
delete整张表建议使用TRUNCATE

du -h --max-depth=1

查看文件夹大小

psql -d [dbname] -f **.sql

在greenplum中安装插件