....................................................................................... - 93 - 模式搜索路径 ................................................................................................. GUC 参数的属性值，例如设 Greenplum Database 管理员指南 V6.2.1 版权所有：Esena(陈淼 +86 18616691889) 编写：陈淼 - 27 - 置缺省的搜索路径： =# ALTER ROLE admin SET search_path TO myschema, public; 需要注意的是，在 Role 上设置 GUC 参数要进行适当的验证检查，例如，要在 DATABASE命令来修改Database的属性，例如Owner、Name以及缺 省配置等。必须是该Database的Owner或者SUPERUSER才可以执行这样的操作。下 面的例子演示修改缺省的搜索路径： =# ALTER DATABASE mydatabase SET search_path TO myschema, public, pg_catalog;

/data/greenplum-client/greenplum\_client\_path.sh 执⾏ source ~/.bashrc 备注：/data/greenplum-client是greenplum-client的安装路径 4） 连接数据库 psql -h hostIP（或域名） –U username -d database -p port –W 1.2 udw（udpg）客⼾端⽅式访问（以Centos为例） source /data/udw-client/udw_client_path.sh 执⾏: source ~/.bashrc 备注：/data/udw-client是udw-client的安装路径 4） 连接数据库 psql -h hostIP（或域名） –U username -d database -p port –W 快速上⼿ Greenplum数据仓库 UDW Copyright /data/greenplum-client/greenplum_client_path.sh 执⾏ source ~/.bashrc 备注：/data/greenplum-client是greenplum-client的安装路径 访问UDW数据仓库 Greenplum数据仓库 UDW Copyright © 2012-2021 UCloud 优刻得 51/206 4） 连接数据库 psql -h hostIP（或域名）

Greenplum 编译安装和调试 本文先介绍如何从源代码编译安装Greenplum、初始化Greenplum集群。然后介绍SQL在 Greenplum中的典型执行路径，最后介绍一些调试技巧。 源代码使用 Greenplum 开源社区最新源代码 6X_STABLE 分支： https://github.com/greenplum-db/gpdb​，内核代码基于 PostgreSQL PORT_BASE​=​40000 # 根据需要，修改下面的路径和主机名 # 有几个DATA_DIRECTORY, 每个节点上便会启动几个segments declare ​-​a DATA_DIRECTORY​=(/​path​/​to​/​your​/​data ​/​path​/​to​/​your​/​data​) # master的主机名, 路径和端口 MASTER_HOSTNAME​=​your_hostname 2.2.2 查看日志 常用的日志文件有两类，一种是 gpinitsystem 的日志，一种是数据库的日志。它们分别保存在不 同的目录下： ● gpinitsystem 的日志文件。默认路径为 ~/gpAdmin/gpinitsystem_*** ● 数据库的日志文件：进入 master （segment 的日志类似）的日志目录 （例如 /data/master/gpseg-1/pg_log/)

个性化备份恢复 备份恢复命令  备份文件gz压缩  按表备份 – 每个表每个实例备单个文件  将分区表分别备成单独文件  缺省备份目录在db_dumps下建立日期路径，与缺省备份一致；也可指定备份路径  按照模式、表清单备份、可排除部分表、可排除全部外部表的Error表  有详细日志、自劢生成成功失败清单、可断点续跑[到表级]  可指定条件筛选数据进行备份 

Mapreduce 没有统计信息，不能做基于 cost-base 的优化；MPP 数据库可以利用统计信息很好地进行并行计算优化。例如，MPP 对 于不同分布的数据可以在计算中基于 Cost 动态决定最优执行路径， 如采用重分布还是小表广播。 Big Date2.indd 13 16-11-22 下午3:38 14 ·Reduce 效率对比： 对比于 MPP 数据库的 SQL 执行器 -executor，Mapreduce 表代价 rB×wB×N ——重分布 B 表代价 rA×wA×N×N——广播 A 表代价 rB×wB×N×N——广播 B 表代价 执行计划会根据以上 4 种代价，在符合逻辑关系的组合中，选择代价 最低的路径。如果我们发现执行计划不如我们期望的那样，我们可以 进行的干预是： 对相关的表收集统计信息，或者修改 session 级别的 gp_segments_ for_planner 参数的值，不要试图在更高级别修改该参数，那样是极其

⾼高层抽象层 (迭代控制器器) 内循环函数 (实现机器器学习逻辑) Python SQL C++ MADlib 架构 2017.thegiac.com • 是一种由搜索引擎根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google 创办人 Larry Page来命名 Image from h_ps://en.wikipedia.org/wiki/PageRank

•“一切皆可商用”：商业即用型x86 服务器、存储设备、网络 •通过软件很容易将处理能力扩展到 1000s的内核/系统 Greenplum • “黑盒子” • “大铁箱” • 大磁盘 过去Google™ 曾经用来实现信息搜索功能的技术， 现在被Greenplum用于数据仓库 现在的解决方案 12 Greenplum愿景：企业数据集合 13 • 在企业内创建统一的数据运算平台 • 企业所有者可以直接控制其数据实例

和 zoo。 此外，Greenplum 5 还支持最新版 Apache MADlib（可用 SQL 进行机器学习和图分析），支持在 Apache Solr 数据库内实 施 GPText 完成索引和搜索功能，其中包含用于国际文本和社交媒体文本的自定义分词器和一个通用查询处理器（可接受 来自支持的 Solr 查询处理器的采用混合语法的查询）。PostGIS 程序包是 PostgreSQL 的空间数据库扩展，可让地理信息

Greenplum 6 的用户获得超过 CPU 2 个数量 级的性能加速，尤其对于可预测的分析用例和图像识别，这些功能将展现奇效。支持在 Apache Solr 数据库内实施 GPText 完成索引和搜索功能，其中包含用于国际文本和社交媒体文本的自定义分词器和一个通用查询处理器（可接 受来自支持的 Solr 查询处理器的采用混合语法的查询）。PostGIS 程序包是 PostgreSQL 的空间数据库扩展，可让地