MPP数据库对比教程.docVIP

概述 随着海量数据问题的出现，海量管理能力，多类型，变化快，高可用性，低成本，高端可扩展性等需求给企业数据战略带来了巨大的挑战。企业数据仓库、数据中心的技术选型变得尤其重要！所以在选型之前，有必要对目前市场上各种大数据量的解决方案进行分析。 主流分布式并行处理数据库产品介绍 Greenplum 基础架构 Greenplum是基于Hadoop的一款分布式数据库产品，在处理海量数据方面相比传统数据库有着较大的优势。 Greenplum整体架构如下图： Network Interconnect ... ... ... ... MasterSevers 查询解析、优化、分发 SegmentSevers 查询处理、数据存储 SQL MapReduce ExternalSources 数据加载 SQL MapReduce ... SQL MapReduce 数据库由Master Severs和Segment Severs通过Interconnect互联组成。 Master主机负责：建立与客户端的连接和管理；SQL的解析并形成执行计划；执行计划向Segment的分发收集Segment的执行结果；Master不存储业务数据，只存储数据字典。 Segment主机负责：业务数据的存储和存取；用户查询SQL的执行。 主要特性 Greenplum整体有如下技术特点： Shared-nothing架构 海量数据库采用最易于扩展的Shared-nothing架构，每个节点都有自己的操作系统、数据库、硬件资源，节点之间通过网络来通信。 基于gNet Software Interconnect 数据库的内部通信通过基于超级计算的“软件Switch”内部连接层，基于通用的gNet (GigE， 10GigE) NICs/switches在节点间传递消息和数据，采用高扩展协议，支持扩展到1000个以上节点。 并行加载技术 利用并行数据流引擎，数据加载完全并行，加载数据可达到4。5T/小时（理想配置）。并且可以直接通过SQL语句对外部表进行操作 支持行、列压缩存储技术 海量数据库支持ZLIB和QUICKLZ方式的压缩，压缩比可到10：1。压缩数据不一定会带来性能的下降，压缩表通过利用空闲的CPU资源，而减少I/O资源占用。 海量数据库除支持主流的行存储模式外，还支持列存储模式。如果常用的查询只取表中少量字段，则列模式效率更高，如查询需要取表中的大量字段，行模式效率更高。 海量数据库的多种压缩存储技术在提高数据存储能力的同时，也可根据不同应用需求提高查询的效率 主要局限 列存储模式的使用有限制，不支持delete/update操作。 用户不可灵活控制事务的提交，用户提交的处理将被自动视作整体事务，整体提交，整体回滚。 数据库需要额外的空间清理维护（vacuum），给数据库维护带来额外的工作量。 用户不能灵活分配或控制服务器资源。 对磁盘IO有比较高的要求。 备份机制还不完善，没有增量备份。 Vertica 基础架构 与以往常见的行式关系型数据库不同，Vertica 是一种基于列存储（Column-Oriented）的数据库体系结构，这种存储机构更适合在数据仓库存储和商业智能方面发挥特长。 常见的RDBMS 都是面向行（Row-Oriented Database）存储的，在对某一列汇总计算的时候几乎不可避免的要进行额外的I/O 寻址扫描，而面向列存储的数据库能够连续进行I/O 操作，减少了I/O 开销，从而达到数量级上的性能提升。 同时，Vertica 支持海量并行存储（MPP）架构，实现了完全无共享，因此扩展容易，可以利用廉价的硬件来获取高的性能，具有很高的性价比。 如下图，展示的是单节点上的Vertica 的基本体系结构。 Vertica 体系结构 作为关系型数据库，Vertica 的查询SQL 也是在前端被解析和优化的。但与传统的关系型数据库有所不同，Vertica内部是混合存储的，包括两种不同的存储结构：写优化器（WOS）和读优化器（ROS）。 (1) 写优化器WOS（Write-Optimized Store） 是位于主存储器上的一个数据结构，用于有效的支持数据插入和更新操作；数据的存放是无序的，非压缩的。 (2) 读优化器ROS（Read-Optimized Store） 是磁盘物理存储，存放的是排序和压缩后的数据库大块数据，因此这里的查询相比于WOS 性能更好。 (3) Tuple Mover 进程 是Vertica 内部的一个进程，定期的以大数据块的形式把数据从WOS 移到ROS，由于是对整个WOS 操作，TupleMover 一次能非常有效的排序很多记录，最后批量把它们写入磁盘。 在Vertica 内部，不论是WOS 还是ROS 都是按列存储的