盘点 Greenplum 数据库的十大特点

01 开放源代码

Greenplum数据库于2015年由Pivotal公司开源，遵循Apache Licence 2.0协议，官方网站为：

http://greenplum.org

代码托管在GitHub上，链接为：

https://github.com/greenplum-db/gpdb

开放源码一方面可以为数据库用户和开发人员提供Greenplum数据库源码级的实现参考，另一方面可以吸引更多的数据库开发者参与到Greenplum社区维护中。

02 高扩展性

Greenplum数据库采用大规模无共享架构，将多台服务器组装成强大的计算平台，实现高效的海量并行运算。Greenplum数据库可以支持1000个以上的集群，管理的数据规模从TB级到PB级，可以满足多数企业的数据处理需求。

03 高查询性能

Greenplum的高性能不仅来自高效的并行处理框架，还有查询引擎的优化。Greenplum数据库除了支持基于PostgreSQL的查询优化之外，还专门开发了一个新的查询优化器ORCA。

ORCA是一款自顶向下的基于Cascades框架的查询优化器，目前已经成为企业版Greenplum数据库的默认优化器。相比基于PostgreSQL的查询优化器，ORCA查询优化器能使部分查询的性能提升10～1000倍。

04 高可用

Greenplum提供多级容错机制，确保整个系统的高可用性。Master节点通过Standby Master节点进行备份，每个数据节点的Primary Segment实例分别配置一个Mirror Segment实例作为备份，同时确保同一组Primary Segment实例和Mirror Segment实例不在同一物理机上，从而降低因为宕机而导致数据丢失的风险。

05 高效资源管理

Greenplum提供了高效的资源管理机制，根据用户的业务逻辑将资源合理地分配给查询任务，避免查询任务因查询资源不足而得不到响应。

Greenplum资源管理主要包括对并发查询数量的限制，查询执行时内存、CPU资源使用的限制等。Greenplum数据库提供了资源队列（Resource Queue）和资源组（Resource Group）两种资源管理方式，一般使用场景下采用默认配置即可。

06 多态存储

用户可以根据数据热度或者访问模式的不同使用不同的存储方式，以获得更好的查询性能。用户可以为一张表按照一定的规则（比如日期、月份）创建分区表，一张表的各个子分区表可以使用不同的物理存储方式。

支持的存储方式包括：

• 行存储，数据以行的形式存储在数据页里，适合频繁更新的查询；

• 列存储，数据以列的形式存储在数据页里，适合OLAP分析型查询；

• 外部表，数据保存在其他文件系中，如HDFS、S3，数据库只保留元数据信息。

07 生态完整

Greenplum数据库拥有完善的SQL标准支持，包括SQL92、SQL99、SQL2003以及OLAP扩展，是对SQL标准支持最好的开源商用数据库系统之一。同时，由于Greenplum数据库基于PostgreSQL，因此也继承了PostgreSQL对于JDBC、ODBC、C、Python API等接口的支持。

08 高效数据加载

Greenplum还有一个非常神奇的功能——GPload并行加载数据，即允许数据从多个文件系统通过多个主机上的多个网卡加载数据，从而达到非常高的数据传输率。笔者曾经在3个节点的集群上并行加载50GB、2亿行记录的数据，仅用时90s。

此外，Greenplum数据库可以读取和写入多种类型的外部数据源，包括文本文件、XML文件、S3平台文件、Gemfire、Web服务器以及Hadoop生态系统中的HDFS、Hive、HBase、Kafka、Spark等，同时支持数据压缩以及字符集间的自动转换。

09 高级数据分析功能

Greenplum数据库支持各种过程化编程语言，包括PL/PostgreSQL、PL/R、PL/Python、PL/Java、PL/Perl等语言扩展。在高级数据分析方面，通过Greenplum数据库的MADlib扩展模块，用户可以很方便地利用MPP架构完成大规模并行分析。

10 良好的监控管理和运维体验

Greenplum数据库提供基于Web的可视化工具—Greenplum Command Center（简称GPCC）。GPCC可以监控Greenplum数据库系统的性能、集群健康状态、查询执行及系统资源使用情况，如图2-4所示。

▲图2-4 Greenplum数据库资源监控中心界面