Greenplum Database 管理员指南 6.2.1

• 语言: 中文（简体）
• 格式: .pdf
• 来源: cn.greenplum.org

摘要

文档详细介绍了Greenplum Database的管理和使用方法，包括数据库的创建与管理、表空间、模式、表、分区大表、序列、索引、视图、物化视图等数据库对象的定义与管理。同时，涵盖了资源队列的配置、最佳实践如数据模型设计（推荐非范式模型如星型模型和雪花模型）、以及GP数据库的架构，包括Master节点、计算实例和内联网络等组件的协同工作。文档还涉及了安装、配置、用户管理、SSH互信设置、查询处理及优化等内容。

AI总结

### 《Greenplum Database 管理员指南 6.2.1》总结

本文档主要介绍了Greenplum Database（GP）的核心概念、管理方法、最佳实践及安装步骤，以下是对其内容的精炼总结：

---

#### **一、Greenplum Database 架构**
1. **架构概述**
- GP是一种基于MPP（Massively Parallel Processing，分布式并行处理）架构的数据库，采用Share-Nothing架构。
- 集群由Master节点和多个计算节点（Segment）组成：
- **Master节点**：负责客户端连接、查询优化、协调计算节点。
- **计算节点**：负责存储和处理数据，返回结果给Master。
- 每个节点运行PostgreSQL实例，协同工作。
- 支持分布式查询处理，适合分析型场景。

2. **组件**
- **管理节点（Master）**：访问入口，负责协调和优化查询。
- **计算实例（Instance）**：处理具体业务数据。
- **内联网络（Interconnect）**：节点间数据交换的通道。

---

#### **二、数据库管理**
1. **数据库与表空间**
- 一个GP系统可创建多个数据库，每个数据库基于模板创建（如`template1`）。
- 数据库之间互相独立，用户只能连接一个数据库，不能跨库执行查询。
- **注意事项**：不要在系统模板数据库（如`template0`、`postgres`）中创建对象。

2. **表、分区与索引**
- 支持分区表，便于管理大数据量。
- 适合非范式模型（如星型模型、雪花模型）。
- 表之间关联字段需保持相同类型。

3. **视图与物化视图**
- 视图：虚拟表，基于select语句定义。
- 物化视图：可优化查询性能，但需定期刷新。

---

#### **三、查询处理与优化**
1. **查询处理机制**
- Master接收查询，生成执行计划并分发到计算节点。
- 计算节点执行算子（如扫描、关联、聚合）并返回结果。
- 数据移动（Motion）用于处理跨节点数据需求。

2. **执行计划与优化**
- 使用EXPLAIN ANALYZE分析查询性能。
- 通过优化表设计（如分区）和资源队列管理提升性能。

---

#### **四、最佳实践**
1. **数据模型设计**
- 推荐非范式化模型，优化分析场景。
- 表之间关联字段类型一致。

2. **资源管理**
- 使用资源队列控制资源分配，确保关键任务优先级。
- 动态调整语句优先级（如`gp_resq_priority_statement`视图）。

3. **性能优化**
- 注意存储设计，避免过度分区。
- 确保节点间时钟同步，避免分布式事务问题。

4. **系统优化**
- 定期清理耗内存的_fsm关系。
- 合理规划Master节点磁盘空间（建议1TB以上）。

---

#### **五、安装与配置**
1. **创建管理员用户**
- 创建`gpadmin`用户组及用户，确保UID和GID一致。
- 为`gpadmin`设置密码，确保SSH免密访问。

2. **SSH互信配置**
- 使用`gpssh-exkeys`或`ssh-copy-id`配置节点间免密SSH。
- 确保Master与计算节点互信。

3. **软件安装**
- 根据版本选择安装方式（如rpm、zip解压或源码编译）。
- 确保安装路径权限正确。

4. **工作目录创建**
- 为Master和计算节点创建独立工作目录。
- 建议为Master配置高性能存储（如NVMe）。

---

#### **六、附加工具与管理**
1. **pgAdminIII支持**
- 提供图形化界面管理GP，查看执行计划。
- 支持资源组和资源队列管理。

2. **命令行工具**
- 使用`gpssh`执行集群命令。
- 使用`gpcopy`实现跨集群数据同步。

---

#### **七、资源队列与优化**
1. **资源队列管理**
- 动态调整语句优先级（如`gp_resq_priority_statement`）。
- 确保关键任务优先级高。

2. **优化表endum**
- 支持追加优化表（Append-Optimize Table）和压缩表（Compressed Append-Optimize Table）。

---

#### **总结**
Greenplum Database 是一种高效的分析型数据库，适合分布式并行计算场景。通过合理的架构设计、资源管理和优化，可提升其性能和稳定性。本文档提供了从安装到管理的全生命周期指导，帮助用户更好地使用GP完成数据管理与分析任务。