GreenPlum 数据库介绍

1. 数据存储

行式数据库是按照行存储的，行存储就是各行放入连续的物理位置，就行我们平时写字一样，一行一行的写，读取的时候也是一行一行的读取。像 SQL server,Oracle，mysql 等传统的关系型数据库都属于行式数据库范畴。列式数据库是按照列存储的，列存储是把多行数据的每一列按照列存储在磁盘，就像一把数据写入 excel 表格中，每次按照列读取数据，像 Vertica,GreenPlum,HBase(HBase 其实不是真正的列式数据库，是按照列簇存储的)。

2. GreenPlum 架构

massively parallel processing 简称 MPP，即无共享、大规模并行处理。

MPP 架构有如下特点：

• Share Nothing 节点之间数据不共享，只有通过网络连接实现的协同，每个节点有独立的存储和内存。

• 数据根据某种规则(如 Hash)散布到各个节点

• 计算任务也是会发布到各个节点并行执行，最后再将结果聚合到整体返回

• 用户使用时会看做整体

Greenplum 数据库软件将数据平均分布到系统的所有节点服务器上，所以节点存储每张表或表分区的部分行，所有数据加载和查询都是自动在各个节点服务器上并行运行，并且该架构支持扩展到上万个节点。

压缩数据根据数据类型、基数自动进行数据压缩，支持多种压缩算法，压缩比通常可达 10:1 左右，支持直接访问编码数据的数据值，大大节省在数据查询期间的 CPU 开销，获得相应有效 I/O 性能提升。

所以在此说明下，建表的时候字段类型一定要选择合适的类型，比如数字类型就选数字类型，不要选字符类型，使用的时候在转换，时间类型也一样。

以上简单的介绍了 GPDB 的一些特性，在使用中优化就要依据这些特性来的。后期会逐渐介绍 GPDB 的使用和优化。

欢迎添加我的微信：dataclub_bigdata

微信公众号：数据社