Greenplum入門——基礎知識、安裝、經常使用函數

Greenplum入門——基礎知識、安裝、經常使用函數

2017年10月08日 22:03:09 在咖啡裏溺水的魚 閱讀數：8709

 

 版權聲明：本文爲博主原創，容許非商業性質轉載但請註明原做者和出處。 https://blog.csdn.net/KEY0323/article/details/78177964

本文爲博主在學習Greenplum時閱讀的《Greenplum企業應用實戰》時的筆記，對書中章節的知識要點進行了概括和梳理。有興趣的同窗能夠找原書學習下。若是認爲文中內容涉嫌侵權請及時聯繫博主刪除文章。

---

軟件安裝及數據庫初始化

Greenplum架構

Master主機與Segment主機的職責

Master

• 創建與客戶端的會話鏈接和管理
• SQL的解析並造成分佈式的執行計劃
• 將生成好的執行計劃分發到每一個Segment上執行
• 收集Segment的執行結果
• 不存儲業務數據，只存儲數據字典
• 能夠一主一備，分佈在兩臺機器上
• 爲了提升性能，最好單獨佔用一臺機器

Segment

• 業務數據的存儲和存取
• 執行由Master分發的SQL語句
• 對於Master來講，每一個Segment都是對等的，負責對應數據的存儲和計算
• 每一臺機器上能夠配置一到多個Segment
• 因爲每一個Segment都是對等的，建議蠶蛹相同的及其配置
• Segment分primary和mirror兩種，通常交錯的存放在子節點上

Master和Segment都是一個單獨的PostgreSQL數據庫。每個都有本身單獨的一套元數據字典。Master節點通常也叫主節點，Segment叫作數據節點。

爲了實現高可用，每一個Segment都有對應的備節點 Mirror Segment分別存在與不一樣的機器上。

Client通常只能與Master節點進行交互，Client將SQL發給Master，而後Master對SQL進行分析後再講其分配給全部的Segment進行操做。

環境搭建

操做系統

Greenplum沒有Windows版本，只能安裝在類UNIX的操做系統上

數據庫存儲

Greenplumn極度消耗IO資源，因此對存儲的要求比較高。

文件系統的選擇上，Linux下建議使用XFS，Solaris建議使用ZFS，對於Raid根據需求選擇硬Raid活軟Raid，若是須要更大孔家，建議使用Raid5，若是對性能要求更高，可選擇Raid1+0.

網絡

配置/etc/hosts時，習慣將Master機器叫作mdw，將Segment機器叫作sdw

建立用戶及用戶組

將原有用戶刪除

#groupdel gpadmin #userdel gpadmin

• 1
• 2

安裝

1.安裝數據庫軟件

建立新的用戶和用戶組

#groupadd -g 530 gpadmin #useradd -g 530 -u 530 -m -d /home/gpadmin -s /bin/bash gpadmin

• 1
• 2

對文件夾賦權，爲新用戶建立密碼

#chown -R gpadmin:gpadmin /home/gpadmin/ #passwd gpadmin Changing password for user gpadmin. New UNIX password: Retype new UNIX password:

• 1
• 2
• 3
• 4
• 5

執行unzip命令解壓安裝文件

unzip greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.zip

• 1

爲Greenplum軟件建立安裝目錄，而且賦給gpadmin用戶權限

mkdir /opt/greenplum chown -R gadmin:gpadmin /opt/greenplum

• 1
• 2

安裝

./greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.bin

• 1

安裝完成後Greenplum的環境變量已經在greenplum_path.sh中設置了。 
引用環境變量配置

source /opt/greenplum/greenplum-db/greenplum_path.sh

• 1

2.配置hostlist

[gpadmin@dw-greenplum01 ]$ cat hostlist mdw sdw1 sdw2 sdw3

• 1
• 2
• 3
• 4
• 5

seg_hosts只保存segment節點的hostname

[gpadmin@dw-greenplum-1 conf]$ cat seg_hosts sdw1 sdw2 sdw3

• 1
• 2
• 3
• 4

3.使用gpssh-exkeys打通全部服務器

使用gpssh-exkeys將全部機器的通道打開，這樣就不用輸入密碼使登錄在每臺機器之間跳轉了

[gpadmin@dw-greenplum-1 conf]$ gpssh-exkeys -f hostlist

• 1

打通全部機器通道後，就可使用gpssh命令對全部機器進行批量操做了

4.將軟件分發到每一臺機器上

將安裝後的文件打包

tar -cf gp4.1.tar greenplum-db-4.1.1.1/

• 1

使用gpscp命令將這個文件複製到每一臺機器上

gpscp -f /home/gpadmin/conf/hostlist gp4.1.tar =:/opt/greenplum

• 1

使用gpssh命令批量解壓文件包

=> cd /opt/greenplum => tar -xf gp4.1.tar

• 1
• 2
• 3

建立數據庫數據目錄 
- Master目錄

=> mkdir -p /home/gpadmin/gpdata/gpmaster

• 1

• Primary節點目錄

=> mkdir -p /home/gpadmin/gpdata/gpdatap1 => mkdir -p /home/gpadmin/gpdata/gpdatap2

• 1
• 2

• Mirror節點目錄

=> mkdir -p /home/gpadmin/gpdata/gpdatam1 => mkdir -p /home/gpadmin/gpdata/gpdatam2

• 1
• 2
• 3

Gpmaster目錄保存Master的數據，麼個機器上的gpdatap一、gpdatap2分別對應這個機器上的兩個主數據節點目錄，gpdatam一、gpdatam2對應備數據節點目錄

5.配置~/.bash_profile

修改環境變量 
添加內容

source /opt/greenplum/greenplum-db/greenplum_path.sh export MASTER_DATA_DIRECTORY=/home/gpadmin/gpdata/gpmaster/gpseg-1 export PGPORT=2345 export PGDATABASE=testDB

• 1
• 2
• 3
• 4

6.初始化Greenplum的配置文件

配置文件的模板能夠在$GPHOME/docs/cli_help/gpconfigs/目錄下找到。gpinitsystem_config文件是初始化Greenplum的模板，在這個模板中，Mirror Segment的配置都被註釋掉了，模板中基本初始化數據庫的參數都是有的。

# 數據庫的代號 ARRAY_NAME = "Greenplum" MACHINE_LIST_FILE=/home/gpadmin/conf/seg_hosts # Segment的名稱前綴 SEG_PREFIX=gpseg # Primary Segment騎士的端口號 PORT_BASE=33000 # 指定Primary Segment的數據目錄 declare -a DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatap1 /home/gpadmin/gpdata/gpdatap2) # Master 所在機器的Hostname MASTER_HOSTNAME=mdw # 指定Master的數據目錄 MASTER_DIRECTORY=/home/gpadmin/gpdata/gpmster # Master的端口 MASTER_PORT=2345 # Bash版本 TRUSTED_SHELL=/usr/bin/ssh # 字符集 ENCODING = UNICODE # Mirror Segment起始的端口號 MIRROR_PORT_BASE=43000 # Primary Segment 主備同步的起始端口號 REPLICATION_PORT_BASE=34000 #Mirror Segment主備同步的起始端口號 MIRROR_REPLICATION_PORT_BASE=44000 # Mirror Segment的數據目錄 declare -a MIRROR_DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatam1 /home/gpadmin/gpdata/gpdatam2) 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

7.初始化數據庫

使用gpinitsystem腳本初始化數據庫

gpinitsystem -c initgp_config -s sdw3

• 1

登錄Greenplum默認的數據庫postgres

[gpadmin@dw-greenplum-1 ~]$ psql -d postgres

• 1

建立數據庫

createdb testDB -E utf-8

• 1

沒有設置PGDATABASE環境變量時，使用psql進行登陸，默認的數據庫與操做系統用戶名一致

設置環境變量，修改默認登錄數據庫

[gpadmin@dw-greenplum01 ~]$ export PGDATABASE=testDB [gpadmin@dw-greenplum01 ~]$ psql

• 1
• 2

數據庫啓動與關閉

1.啓動數據庫

Greenplum提供腳原本管理數據庫，gpstart是啓動數據庫的腳本，能夠用gpstart -help查看幫助

通常使用

gpstart -a

• 1

直接啓動數據庫

2.關閉數據庫

gpstop是關閉數據庫的腳本

通常使用

gpstop -a

• 1

直接關閉數據庫

暢遊Greenplum

訪問Greenplum

1.psql

psql是Greenplum/PostgreSQL默認的客戶端

使用psql遠程鏈接

admin@test1:、home/admin>psql -h 10.20.151.7 -p 2345 -d testDB -U gpadmin

• 1

Greenplum有權限控制，並非全部的及其均可以鏈接到數據庫。若是有其餘計算機要登錄Greenplum，先爲數據庫用戶gpadmin建立一個密碼，而後在pg_hba.conf文件中增長客戶端機器的權限配置，就能夠成功登錄了。

testDB=# alter role gpadmin with password 'gpadmin'; 

• 1
• 2

在$MASTER_DATA_DIRECTORY/pg_hba.conf文件中增長

host testDB gpadmin 10.20.151.1/32 md5

• 1

使配置生效

gpstop -u

• 1

2.pgAdmin

…

基本語法

1.獲取語法介紹

可使用 \h 查看GreenPlum支持的全部語法 
在psql中使用\h command

testDB=# \h create view

• 1

2.CREATE TABLE

與其餘數據庫不一樣的地方： 
- 在Greenplum中建表時須要指定表的分佈鍵 
- 若是表須要用某個字段分區，能夠經過partition by將表建成分區表 
- 可使用like操做建立與like的表同樣結構的表，功能相似 create table t1 as select * from t2 limit 0 
- 可使用inherits實現表的繼承

CREATE [[GLOBAL|LOCAL] {TEMPORARY|TEMP}] TABLE table_name (
    [
        {
            column_name data_type [DEFAULT default_expr]
            [column_constraint [...]] | table_constraint | LIKE ohter_table [{INCLUDING|EXCLUDING} {DEFAULTS|CONSTRAINTS} ...] } [,...] ]... ) [INHERITS (parent_table [,...])] [WITH (storage_parameter=value [,...]) [ON COMMIT {PRESERVE ROWS|DELETE ROWS|DROP}] [TABLESPACE tablespace] [DISTRIBUTED BY (column,[...]) | DISTRIBUTED RANDOMLY] [PARTITION BY partition_type (column) [SUBPARTITION BY partition_type (column)] [SUBPARTITION TEMPLATE (template_spec)] [...] (partition_spec) |[SUBPARTITION BY partition_type(column)] [...] (partition_spec) [(subpartition_spec [(...)] )] ]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

Greenplum是一個分佈式數據庫，有兩種數據分佈策略： 
1. Hash分佈。指定一個活多個分佈鍵，計算hash值，而且經過hash值路由到特定的Segment節點上，語法爲Distributed by(…)。若是不指定分佈鍵，默認將第一個字段做爲分佈鍵。 
2. 隨機分佈，也叫平均分佈。數據隨機分散在每個節點中，這樣不管數據是什麼內容，均可以平均分佈在每一個節點上，==可是在執行SQL的過程當中，關聯等操做都須要將數據重分佈，性能較差。==語法爲在表字段定義的後面加上Distributed randomly

採用隨機分佈策略的表默認將主鍵或惟一鍵做爲分佈鍵，由於每個Segment都是一個單一的數據庫，單個的數據庫能夠保證惟一性，多個數據庫節點就沒法保證全局的跨庫惟一性，故只能按照惟一鍵分佈，同一個值的數據都在一個節點上，以此來保證惟一性。

==若是指定的分佈鍵與主鍵不同，那麼分佈鍵會被更改成主鍵。==

使用like建立的表，只是表結構會與原表如出一轍，表的一些特殊屬性並不會同樣，例如亞索、只增 appendonly等。若是不指定分佈鍵，則默認分佈鍵與原表相同。

3.SELECT

SELECT語句的基本語法跟其餘數據庫相似，也有本身的一些特性，例如分頁採用offset加limit操做

SELECT能夠不用指定From字句，如執行函數、進行一些簡單的科學計算等。

若是不加order by字句，查詢的結果中，數據的順序是不可以保證的。

4.create table as 與 select into

create table as 與 select into 有同樣的功能，均可以使表根據直接執行SELECT的結果建立出一個新的表，這個在臨時分析數據的時候十分方便。例如，在建立一個表的時候若是默認不指定分佈鍵，那麼Greenplum根據執行SELECT獲得的結果集來選擇，不用再次分重分佈數據的字段做爲表的分佈鍵。

也能夠手動加入distributed關鍵字，指定分佈鍵，這樣數據就會根據指定分佈鍵再建表。

select into的語法比create table as更簡單，雖然功能同樣，可是執行select into不能指定分佈鍵，只能使用默認的分佈鍵。

5.explain

explain用於查詢一個表的執行計劃。

testDB=# explain select * from test1 x,test2 y where x.id=y.id;

• 1

6.insert/update/delete

insert

在執行insert語句的時候，注意分佈鍵不要爲空，不然分佈鍵默認會變成null，數據都被保存在一個節點上，形成數據分佈不均。

能夠批量操做

testDB=# insert into test001 values(100,'tom'),(101,'lily');

• 1

update

不能批量對分佈鍵執行update，由於對分佈鍵執行update須要將數據重分佈，Greenplum暫時不支持這個功能。

delete

Greenplum 3.x版本中，若是delete操做涉及子查詢，而且子查詢的結果還會涉及數據重分佈，這樣的刪除語句會報錯。

對整張表執行Delete較慢，有此需求時建議使用truncate

7.truncate

與oracle同樣，執行truncate直接刪除表的物理文件，而後建立新的數據文件。truncate操做比delete操做在性能上有很是大的提高，當前若是有sql正在操做這張表，那麼truncate操做會被鎖住，知道表上面的全部鎖被釋放

經常使用數據類型

Greenplum的數據類型基本與PostgreSQL的同樣。

1.數值類型

類型名稱	存儲空間	描述	範圍
smallint	2字節	小範圍整數	-32 768~+32 767
integer	4字節	經常使用的整數	-2 147 483 648~+2 147 483 647
bigint	8字節	大範圍的整數	-9 223 372 036 854 775 808~9 223 372 036 854 775 807
decimal	變長	用戶聲明精度，精確	無限制
numeric	變長	用戶聲明精度，精確	無限制
real	4字節	變精度，不精確	6位十進制數字精度
double precision	8字節	變精度，不精確	15位十進制數字精度
serial	4字節	自增整數	1 - 2 147 483 647
bigserial	8字節	大範圍的自增整數	1 - 9 223 372 036 854 775 807

2.字符類型

類型名稱	描述
character varying(n),varchar(n)	變長，有長度限制
character(n),char(n)	定長，不足補空白
text	變長，無長度限制

3.時間類型

類型名稱	存儲空間	描述	最低值	最高值	時間精度
timestamp[(p)][without time zone]	8字節	日期和時間	4713BC	5874897AD	1毫秒
timestamp[(p)] with time zone	8字節	日期和時間，帶時區	4713BC	5874897AD	1毫秒
interval[(p)]	12字節	時間間隔	-178 000 000年	178 000 000年	1毫秒
date	4字節	只用於表示日期	4713BC	5 874 897AD	1天
time[(p)][without time zone]	8字節	只用於表示一日內的時間	00:00:00	24:00:00	1毫秒
time[(p)] with time zone	12字節	只用於表示一日內時間，帶時區	00:00:00+1459	24:00:00-1459	1毫秒

經常使用函數

字符串函數

函數	返回類型	描述	例子	結果
string||string	text	字符串鏈接
length(string)	int	string中字符的數目	length(‘jose’)	4
position(substring in string)	int	指定的子字符串的位置	position(‘om’in’Tomas’)	3
substring(string[from int][for int])	text	抽取子字符串	substring(‘Thomas’from 2 for 3)	hom
trim([leading|trailing|both][characters]from string)	text	從字符串string的開頭/結尾/兩邊刪除只包含characters中字符（默認是空白）的最長的字符串	trim(both ‘x’ from ‘xTomxx’)	Tom
lower(string)	text	把字符串轉化爲小寫
upper(string)	text	把字符串轉化爲大寫
overlay(string placing string from int [for int])	text	替換子字符串	overlay(‘Txxxxas’ placing ‘hom’ from 2 for 4)	Thomas
replace(string text,from text,to text)	text	把字符串string中出現的全部子字符串from替換成子字符串to	replace(‘abcdefabcdef’,’cd,’XX’)	abXXefabXXef
split_part(string text, delimiter text,filed int)	text	根據delimiter分隔string返回生成的第field個子字符串（1開始）	split_part(‘abc|def|ghi’,’|’,2)	def

時間函數

函數	返回類型	描述	例子	結果
age(timestamp,timestamp)	interval	減去參數後的」符號化」結果	age(timestamp’2001-04-10’,timestamp’1957-06-13)	43 years 9 mons 27 das
age(timestam)	interval	從current_date減去參數中的日期	age(timestam’1957-06-13)	-
current_date	date	當前的日期	-	-
current_time	time with time zone	當日時間	-	-
current_timestamp	timestamp with time zone	當前事務開始時的事件戳	-	-
date_part(text,timestamp)	double precision	獲取子域（等效於extract)	date_part(‘hour’,timestamp’2001-02-16 20:38:40)	20
date_trunc(text,timestamp)	timestamp	截斷成指定的精度	date_trunc(‘hour’,timestamp ‘2001-02-16 20:38:40’)	2001/2/16 20:00
extract(field from timestamp)	double precision	獲取子域	（同date_part）	（同date_part）
now()	timestampe with time zone	當前事務開始的時間戳	-	-

使用interval類型能夠直接對事件類型進行計算，用來計算時間的加減

數值計算函數

函數	返回類型	描述	例子	結果
abs(x)	(與x相同)	絕對值	-	-
ceil(dp或numeric)\ceiling	(與輸入相同)	不小於參數的最小整數	-	-
exp(dp或numeric)	(與輸入相同)	天然指數	-	-
ln(dp或numeric)	(與輸入相同)	天然對數	-	-
log(dp或numeric)	(與輸入相同)	以10 爲底的對數	-	-
log(b numeric,x numeric)	numeric	以b爲底的對數	-	-
mod(y,x)	(與參數類型相同)	y/x的餘數	-	-
pi()	dp	π	-	-
power(a numeric,b numeric)	numeric	a的b次冪	-	-
radians(dp)	dp	把角度轉爲弧度	-	-
random()	dp	0~1之間的隨機數
floor(dp或numeric)	(與輸入相同)	不大於參數的最大整數	-	-
round(v numeric,s int)	numeric	圓整爲s位小數	round(42.4382,2)	42.44
sign(dp或numeric)	(與輸入相同)	參數的符號(-1,0,+1)	sing(-8,4)	-1
sqrt(dp或numeric)	(與輸入相同)	平方根	-	-
cbrt(dp)	dp	立方根	-	-
trunc(v numeric,s int)	numeric	截斷爲s位小數	-	-

其餘經常使用函數

序列號生成函數——generate_series

generate_series(x,y,t)

• 1

生成多行數據從x到另外y，步長爲t，默認是1

字符串列轉行——string_agg

string_agg(str,symbol [order by str])

• 1

（按照某字段排序）將str列轉行，以symbol分隔

字符串行轉列——regexp_split_to_table

…

hash函數——md5，hashbpchar

md5的hash算法精度爲128位，返回一個字符串 
Hashbpchar的精度是32位，返回一個integer類型

分析函數

開窗函數

聚合函數返回各個分組的結果，開窗函數則爲每一行返回結果。

rank()、row_number

grouping sets

若是須要對幾個字段的組合進行group 不用，須要用到grouping sets功能

group sets語法	等價的普通SQL的語法
SELECT C1,C2,SUM(C3)FROM T GROUP BY GROUPING SETS((C1),(C2))	SELECT C1,NULL AS C2,SUM(C3) FROM T GROUP BY T UNION ALL SELECT NULL AS C1,C2,SUM(C3) FROM T GROUP BY YEAR
GROUP BY GROUPING SETS((C1,C2,…Cn))	GROUP BY C1,C2,…,Cn
GROUP BY ROLLUP(C1,C2,…,Cn-1,Cn)	GROUP BY GROUPING SETS((C1,C2,…CCn-1,Cn),(C1,C2,…,Cn-1)…,(C1,C2),(C1),())
GROUP BY CUBE(C1,C2,C3)	GROUP BY GROUPING SETS((C1,C2,C3),(C1,C2),(C1,C3),(C2,C3),(C1),(C2),(C3),())

分區表

Greenplum支持分區表。

可使用時間分區、Every分區、list分區、

建立分區表

[PARTITION BY partition_type (column)
    [SUBPARTITION BY partition_type (column)]
        [SUBPARTITION TEMPLATE (template_spec)]
    [...] (partition_spec) |[SUBPARTITION BY partition_type(column)] [...] (partition_spec) [(subpartition_spec [(...)] )] ] and partition_element is: DEFAULT PARTITION name | [PARTITION name] VALUES (list_value[,...]) | [PARTITION name] START ([datatype] 'start_value') [INCLUSIVE|EXCLUSIVE] [ END ([datatype] 'end_value') [INCLUSIVE|EXCLUSIVE] [ EVERY ([datatype] [number|INTERVAL] 'interval_value')] | [PARTITION name] END ([DATATYPE] 'end_value') [INCLUSIVE|EXCLUSIVE] [ EVERY ([datatype] [number|INTERVAL] 'interval_value')] [ with (partition_storage_parameter=value [,...])] [ TABLESPACE tablespace]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

Tips

經過實驗獲得：向主表插入數據時，數據會被自動存放至相應的分區表。 
也能夠直接向分區子表插入符合條件的數據， 
當向分區子表插入不符合條件的額數據時，會提示： 
[Err] ERROR: Trying to insert row into wrong partition (seg1 hadoop3:40000 pid=6679) 
DETAIL: Expected partition: test_partition_range_1_prt_p20111231, provided partition: test_partition_range_1_prt_p20111230

刪除主表是會自動刪除關聯的分區表

Examples

按時間分區

create table public.test_partition_range( id numeric, name character varying(32), dw_end_date date, ) distributed by(id) PARTITION BY range(dw_end_date) ( PARTITION p20111230 START ('2011-12-30'::date) END ('2011-12-31'::date), --... );

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

使用Every分區

create table test.test_partition_every( id numeric, name character varying(32), dw_end_date date ) distributed by(id) partition by range(dw_end_Date) ( partition p201112 start('2011-12-1'::date) end ('2011-12-31'::date) every ('1 days'::interval) );

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

使用list分區

create table test.test_partition_list( member_id numeric, city character varying(32) )distributed by (member_id) partition by list(city) ( partition guangzhou values('guangzhou'), partition hangzhou values('hangzhou'), default partition other_city );

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

修改分區表

ALTER DEFAULT PARTITION DROP DEFAULT PARTITION [IF EXISTS] DROP PARTITION [IF EXISTS] { partition_name | FOR (RANK(number)) | FOR (value) } [CASCADE] TRUNCATE DEFAULT PARTITION TRUNCATE PARTITION { partition_name | FOR (RANK(number)) | FOR (value) } RENAME DEFAULT PARTITION TO new_partition_name RENAME PARTITION { partition_name | FOR (RANK(number)) | FOR (value) } TO new_partition_name ADD DEFAULT PARTITION NAME [(subpartition_spec)] ADD PARTITION [name] partition_element [(subpartition_spec)] EXCHANGE PARTITION { partition_name | FOR (RANK(number)) | FOR (value) } WITH TABLE TABLE_NAME [WITH|WITHOUT VALIDATION] EXCHANGE EFAULT PARTITION WITH TABLE TABLE_NAME [WITH|WITHOUT VALIDATION] SET SUBPARTITION TEMPLATE (subpartition_spec) SPLIT DEFAULT PARTITION { AT (list_value) |START([datatype] range_value) [INCLUSIVE|EXCLUSIVE] END ([datatype]) range_value) [INCLUSIVE|EXCLUSIVE] } [INTO (PARTITION new_partition_name, PARTITION default_partition_name)] SPLIT DPARTITION { partition_name | FOR (RANK(number)) | FOR (value) } AT(value) [INTO (PARTITION partition_name, PARTITION partition_name]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46

Examples

新增分區

alter table test.test_partition_every add partition p20120105_6 start ('2012-01-05'::date) END ('2012-01-07'::date);

• 1
• 2

drop/truncate分區

alter table test.test_partition_every drop partition p20120105_6; alter table test.test_partition_every truncate partition p20120105_6;

• 1
• 2
• 3

拆分分區

alter table test.test_partition_every split partition p20120105_6 at(('2012-01-06'::date)) into (partition p20120105,partition p20120106);

• 1
• 2

交換分區

alter table test.test_partition_every exchange partition p20120102 with table test.test_on_partition;

• 1

外部表

Greenplum在數據加載上有一個明顯的優點，就是支持數據併發加載，gpfdist就是併發加載的工具，在數據庫中對應的就是外部表。

外部表就是一張表的數據是指向數據庫以外的數據文件的。在Greenplum中，能夠對一個外部表執行正常的DML操做，當讀取數據的時候，數據庫就從數據文件中加載數據。外部表支持在Segment上併發的告訴從gpfdist導入數據，因爲是直接從Segment上導入數據，因此效率很是高。

建立外部表

CREATE [READABLE] EXTERNAL TABLE TABLE_NAME
(column_name data_type [,...] | LIKE other_table) LOCATION ('file://seghost[:port]/path/file' [,...]) | ('gpfdist://filehost[:port]/file_pateern' [,...]) | ('gphdfs://hdfs_host[:port]/path/file') FORMAT 'TEXT' [( [HEADER] [DELIMITER [AS] 'delimeter' | 'OFF'] [NULL [AS] 'null string'] [ESCAPTE [AS] 'escape'|'OFF'] [NEWLINE [AS] 'LF'|'CR'|'CRLF'] [FILL MISSING FIELDS] )] | 'CSV' [( [HEADER] [QUOTE [AS] 'quote']

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

外部表須要指定gpfdist的IP和端口，詳細目錄地址。其中文件名支持通配符匹配。 
能夠編寫多個gpfdist的地址，可是不能超過總的Segment數，不然會報錯。在建立外部表的時候能夠指定分隔符、err表、指定容許出錯的數據條數，以及源文件的字符編碼等。

外部表還支持本地文本文件的導入，效率較低，不建議使用。 
外部表還支持HDFS的文件操做。

啓動gpfdist及建立外部表

1.

首先在文件服務器上啓動gpfdist服務，指定文件目錄及端口

nohup $GPHOME/bin/gpfdist -d /home/admin -p 8888 > /tmp/gpfdist.log 2>&1 &

• 1

nohup保證程序在Server端執行，當前會話關閉後，程序仍然正常運行

nohup是Unix/Linux中的一個命令，普通進程經過&符號放到後臺運行，若是啓動該程序的額控制檯退出，則該進程終止。nohup命令啓動程序，則在控制檯退出後，進程仍然繼續運行，起到守護進程額做用。

2.

準備好須要加載的數據文件，將其放在外部表文件及其的、home/admin/目錄或該目錄的子目錄下，在Greenplum中建立對應的外部表

create external table test.test001_ext( id integer, name varchar(128) ) location ( 'gpfdist://10.20.151.11:8888/gpextdata/test001.txt' ) format 'TEXT' (delimiter as E'|' null as '' escape 'OFF') encoding 'gb18030' log errors into test.test001_err segment reject limit 10rows;

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

3.外部表查詢及數據加載

testDB=# select * from public.test001_ext

• 1

COPY命令

使用COPY命令能夠實現將文件導出和導入，可是要經過Master，效率沒有外部表高，可是在數據量比較小的狀況下，COPY命令比外部表要方面不少。

COPY table [(colum [, ...]) ] FROM {'file'|STDIN} [ [WITH] [OIDS] [HEADER] [DELIMITER [AS] 'delimeter'] [NULL [AS] 'null string'] [ESCAPE [AS] 'escape' | 'OFF'] [NEWLINE [AS] 'LF'|'CR'|'CRLF'] [CSV [QUOTE [AS] 'quote'] [FORCE NOT NULL column [,...]] [FILL MISSING FIELDS] [ [LOG ERRORS INTO error_table] [KEEP] SEGMENT REJECT LIMIT count [ROWS|PERCENT]] COPY {table [(column [,...])] |(query) } TO {'file'|STDOUT} [ [WITH] [OIDS] [HEADER] [DELIMIETER [AS] 'delimeter'] [NULL [AS] 'null string'] [ESCAPE [AS] 'escape'|'OFF'] [CSV [QUOTE [AS] 'quote'] [FORCE QUOTE column [,...]]]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22

Greenplum 4.x中引入了可寫外部表，在導出數據的時候能夠用可寫外部表併發導出，性能很好。但在Greeplum3.x版本中，導出數據只能經過COPY命令實現，數據在Master上彙總導出。

若是須要將數據遠程導出到其餘機器上，可使用copy to stdout，遠程執行psql鏈接到數據庫上，而後經過管道將數據重定向成文件。