詳解Greenplum的架構(gòu)和技術(shù)特點

　　摘要：本文介紹了大數(shù)據(jù)引擎Greenplum的架構(gòu)和部分技術(shù)特點，從GPDB基本背景開始，在架構(gòu)的層面上講解GPDB系統(tǒng)內(nèi)部各個模塊的概貌，然后圍繞GPDB的自身特性，并行執(zhí)行和運維等技術(shù)細(xì)節(jié)，闡述了為什么選擇使用Greenplum作為下一代的查詢引擎解決方案。

　　Greenplum的MPP架構(gòu)

　　Greenplum（以下簡稱GPDB）是一款開源數(shù)據(jù)倉庫?；陂_源的PostgreSQL改造，主要用來處理大規(guī)模數(shù)據(jù)分析任務(wù)，相比Hadoop，Greenplum更適合做大數(shù)據(jù)的存儲、計算和分析引擎。

　　GPDB是典型的Master/Slave架構(gòu)，在Greenplum集群中，存在一個Master節(jié)點和多個Segment節(jié)點，其中每個節(jié)點上可以運行多個數(shù)據(jù)庫。Greenplum采用shared nothing架構(gòu)（MPP）。典型的Shared Nothing系統(tǒng)會集數(shù)據(jù)庫、內(nèi)存Cache等存儲狀態(tài)的信息；而不在節(jié)點上保存狀態(tài)的信息。節(jié)點之間的信息交互都是通過節(jié)點互聯(lián)網(wǎng)絡(luò)實現(xiàn)。通過將數(shù)據(jù)分布到多個節(jié)點上來實現(xiàn)規(guī)模數(shù)據(jù)的存儲，通過并行查詢處理來提高查詢性能。每個節(jié)點僅查詢自己的數(shù)據(jù)。所得到的結(jié)果再經(jīng)過主節(jié)點處理得到最終結(jié)果。通過增加節(jié)點數(shù)目達(dá)到系統(tǒng)線性擴展。

　　圖1 GPDB的基本架構(gòu)

　　如上圖1為GPDB的基本架構(gòu)，客戶端通過網(wǎng)絡(luò)連接到gpdb，其中Master Host是GP的主節(jié)點（客戶端的接入點），Segment Host是子節(jié)點（連接并提交SQL語句的接口），主節(jié)點是不存儲用戶數(shù)據(jù)的，子節(jié)點存儲數(shù)據(jù)并負(fù)責(zé)SQL查詢，主節(jié)點負(fù)責(zé)相應(yīng)客戶端請求并將請求的SQL語句進行轉(zhuǎn)換，轉(zhuǎn)換之后調(diào)度后臺的子節(jié)點進行查詢，并將查詢結(jié)果返回客戶端。

　　Greenplum Master

　　Master只存儲系統(tǒng)元數(shù)據(jù)，業(yè)務(wù)數(shù)據(jù)全部分布在Segments上。其作為整個數(shù)據(jù)庫系統(tǒng)的入口，負(fù)責(zé)建立與客戶端的連接，SQL的解析并形成執(zhí)行計劃，分發(fā)任務(wù)給Segment實例，并且收集Segment的執(zhí)行結(jié)果。正因為Master不負(fù)責(zé)計算，所以Master不會成為系統(tǒng)的瓶頸。

　　Master節(jié)點的高可用（圖2），類似于Hadoop的NameNode HA，如下圖，Standby Master通過synchronization process，保持與Primary Master的catalog和事務(wù)日志一致，當(dāng)Primary Master出現(xiàn)故障時，Standby Master承擔(dān)Master的全部工作。