Greenplum DB大规模并行处理系统

Greenplum 之前属于Pivotal，是一家总部位于美国加利福尼亚州，为全球大型企业用户提供新型企业级数据仓库(EDW)、企业级数据云(EDC)和商务智能(BI)提供解决方案和咨询服务的公司。目前 Greenplum 已经归属 VMware。

Greenplum 数据库 (gpdb)号称是世界上第一个开源的大规模并行数据仓库，2019年，Greenplum被Gartner评为全球排名第三的分析型数据库和排名第四的实时分析数据库。

Greenplum基于MPP（大规模并行处理）架构，最初是基于 PostgreSQL，现在已经添加了大量数据库方面的创新。Greenplum 提供 PB 级别数据量的强大和快速分析能力，特别是面向大数据方面的分析能力，支持大数据的超高性能分析查询。Greenplum内置并行存储、并行通讯、并行计算和优化技术，支持持扩展（Extension）、自定义类型和函数、PXF和外部表技术。

Greenplum 主要特性：

• 大规模并行处理架构

• 高性能加载，使用 MPP 技术，提供 Petabyte 级别数据量的加载性能

• 大数据工作流查询优化

• 多态数据存储和执行

• 支持多种数据格式，包括结构化、半结构化（XML、JSON、KV）和非结构化（文本数据、GIS数据、图数据等）

• 支持SQL、JDBC和ODBC等行业标准

• 支持商业智能（BI）、文本、GIS、图像、流式数据处理等

• 基于 Apache MADLib 的高级机器学习功能

• HTAP能力，支持涵盖OLTP型业务的混合负载

Greenplum 采用 Apache 协议开源之后，加上之前的 HAWQ，PostgreSQL 以及 PostGIS，完全可以构建一体化的 PostgreSQL 企业数据架构。

Greenplum的架构采用了MPP(大规模并行处理)。在 MPP 系统中，每个 SMP 节点也可以运行自己的操作系统、数据库等。换言之，每个节点内的 CPU 不能访问另一个节点的内存。节点之间的信息交互是通过节点互联网络实现的，这个过程一般称为数据重分配(Data Redistribution) 。与传统的SMP架构明显不同，通常情况下，MPP系统因为要在不同处理单元之间传送信息，所以它的效率要比SMP要差一点，但是这也不是绝对的，因为 MPP系统不共享资源，因此对它而言，资源比SMP要多，当需要处理的事务达到一定规模时，MPP的效率要比SMP好。这就是看通信时间占用计算时间的比例而定，如果通信时间比较多，那MPP系统就不占优势了，相反，如果通信时间比较少，那MPP系统可以充分发挥资源的优势，达到高效率。当前使用的 OTLP程序中，用户访问一个中心数据库，如果采用SMP系统结构，它的效率要比采用MPP结构要快得多。而MPP系统在决策支持和数据挖掘方面显示了优势，可以这样说，如果操作相互之间没有什么关系，处理单元之间需要进行的通信比较少，那采用MPP系统就要好，相反就不合适了。