1.3.3　Greenplum

Greenplum是一个开源的分布式数据库存储解决方案，最早是在2002年出现的，其基于流行的PostgreSQL开发，是一款面向数据仓库应用的关系型数据库。Greenplum具有良好的体系结构，在数据存储、高并发、高可用、线性扩展、反应速度、应用性和性价比等方面优势明显，受到广泛好评。随着大数据时代的到来，Greenplum开始专注于数据库集群架构的研发与拓展，并关注数据仓库和商业智能方面，可以在虚拟化x86服务器上运行无共享（Share Nothing）的大规模并行处理（MPP）架构。根据Greenplum的描述，Greenplum的性能在数据量为TB级时表现非常优秀，单机性能相比Hadoop要快几倍；在功能和语法上，Greenplum要比Hadoop上的SQL引擎Hive好用很多，普通用户更加容易上手。Greenplum有相对完善的工具，整个体系都比较完善，不需要像Hive一样花费太多时间和精力进行改造。同时，Greenplum能够方便地与Hadoop进行结合，直接在数据库上写MapReduce任务，同时配置较为简单。

1. 主要特性

Greenplum数据库简称GPDB，它具有丰富的特性。

（1）完善的标准支持：GPDB完全支持ANSI SQL 2008标准和SQL OLAP 2003扩展；从应用编程接口上讲，GPDB支持ODBC接口和JDBC接口。Greenplum完善的标准支持使系统开发、维护和管理都极为方便；而现在的NoSQL、NewSQL和Hadoop对SQL的支持都不完善，不同的系统需要单独开发和管理，且移植性不好。

（2）支持分布式事务，支持ACID，保证数据的强一致性。

（3）作为分布式数据库，GPDB具有良好的线性扩展能力。在国内外用户生产环境中，具有上百个物理节点的GPDB集群有很多应用案例。

（4）GPDB是企业级数据库产品，全球有上千个集群在不同客户的生产环境中运行。这些集群为全球很多大的金融机构、政府部门及物流、零售等企业的关键业务提供服务。

（5）GPDB是Pivotal公司十多年研发投入的结果。GPDB基于PostgreSQL 8.2研发，PostgreSQL 8.2有约80万行源代码，而GPDB有约130万行源代码。GPDB相对于PostgreSQL 8.2，增加了约50万行源代码。

（6）Pivotal有很多合作伙伴，GPDB有完善的生态系统，可以与很多企业级产品集成，如SAS、Cognos、Informatic、Tableau等；也可以与很多种开源软件集成，如Pentaho、Talend等。

2. 基本结构

Greenplum目前在数据库集群领域的应用主要是构建MPP架构数据库集群，数据库由主服务器（Master Sever）和分段服务器（Segment Sever）通过专用网络互联组成，其基本结构如图1-11所示。

图1-11　Greenplum的基本结构

主服务器是整个系统的控制中心和对外的服务接入点，它负责接收用户SQL请求，将SQL生成查询计划，并进行并行处理优化，然后将查询计划分配到所有的分段服务器，协调组织各分段服务器按照查询计划一步一步地进行并行处理，最后获取分段服务器的计算结果，再返回给客户端。从用户的角度看Greenplum集群，看到的只是主服务器，无须关心集群内部的机制，所有的并行处理都是在主服务器控制下自动完成的。主服务器节点一般设置为1个或2个（互为备份）。

分段服务器是Greenplum集群执行并行任务的并行运算节点，它接收主服务器的指令进行并行计算，因此所有分段服务器的计算性能总和就是整个集群的性能。通过增加分段服务器，可以线性提高集群的处理性能和存储容量，分段服务器可包含1～10000个节点，但在目前的公开信息中，实际部署的Greenplum集群还没有遇到过服务器节点达数千个量级的情况。Greenplum集群通过将数据分布到多个服务器节点上来实现规模数据的存储，充分利用Segment主机的I/O能力，让系统发挥最大的I/O能力。

网络互联（Interconnect）部分是主服务器与分段服务器、分段服务器与分段服务器之间的数据传输组件，它基于高速交换机实现数据在节点间的高速传输。随着网络设备处理速度的快速提升，目前网络互联部分不再是单一的网络连接架构，而是逐渐过渡到适应数据中心网络的新型架构，从而支持包含更多服务器节点的Greenplum集群。

综上所述，主服务器负责建立与客户端的连接并进行管理，解析SQL并形成执行计划，然后向各分段服务器分发并收集执行结果。主服务器不存储业务数据，只存储数据字典。分段服务器负责业务数据的存取，以及用户查询SQL语句的执行。