「揭祕GP」VLDB 創始人：爲何和其餘相比，Greenplum 是最好的

導讀：從最初的 Greenplum 開始，到如今已經超過15年的驗證，咱們一直是 Greenplum 的用戶。多年來，隨着咱們對產品和支持的信心不斷加強，它已逐漸成爲VLDB的默認平臺。但願本文講述的這些緣由能解除你們的困惑。

本文翻譯自 VLDB Co-founder Paul Johnson 發佈於 Linkedin 上的《 Why Greenplum Is The Best…Of The Rest 》，原文連接：
https://www.linkedin.com/pulse/why-greenplum-bestof-rest-paul-johnson/?from=groupmessage&isappinstalled=0。

面向數據倉庫領域的數據庫衆多，帶頭進入這一領域的老大哥是上世紀80年代創立的Teradata。

早在20世紀80年代，Teradata 公司在市場上推出了與其公司同名的分析型數據庫，當時大致量的數據還在用 Terabyte（TB）表示。那時，確切的說是在 Teradata DBC1012 上運行查詢。這張圖片是我1988年剛開始接觸 Teradata 時的參考卡片。

​早在20世紀80年代，Teradata公司在市場上推出了與其公司同名的分析型數據庫，當時大致量的數據還在用Terabyte（TB）表示。那時，確切的說是在Teradata DBC1012上運行查詢。這張圖片是我1988年剛開始接觸Teradata時的參考卡片。

在過去的幾年中，數據倉庫領域已經大大升溫。如今有比以前更多的選擇。Teradata可能仍然是市場領導者，但並不是每一個人都須要Teradata。

那麼，若是Teradata仍然是市場上的老大哥，那麼其他的呢？

在這裏，咱們要告訴那些一直在關注該領域的人，咱們好久以來一直是Greenplum的死忠粉。

出於「推崇共享」（顯然共享很重要）的價值觀，咱們展開闡述「 VLDB團隊」成爲Greenplum粉絲的十大緣由。

1. Greenplum「能夠在任何地方構建」，而不只僅在雲上構建

傳統數據倉庫系統針對本地物理硬件進行了優化。這並不奇怪，由於舊系統要早於AWS，Azure和Google等公有云的出現。

相比之下，Redshift，BigQuery和Snowflake等「現代數據倉庫系統」是「僅運行在雲上」的。這些現代數據倉庫系統都不支持非雲環境部署。Redshift僅適用於AWS，BigQuery僅適用於Google。用戶的選擇並很少 - 要麼選擇數據庫要麼選擇平臺，但不能二者都選。

Greenplum則是「能夠在任何地方構建」的數據倉庫。Greenplum能夠在物理硬件、VMWare私有云和AWS或Azure或Google等公有云平臺上運行。爲了跟上時代前沿，還支持Kubernetes（K8S）部署。

只要您選擇的平臺支持Linux，就可使用Greenplum。

2. Greenplum是MPP架構

公認的是，通用SMP數據庫（例如Oracle，SQL Server和MySQL）沒法一直擴展以知足數據倉庫系統的需求。

與通用SMP數據庫不一樣，Greenplum部署爲「大規模並行處理」（MPP）體系結構的羣集。與SMP體系不一樣，MPP體系結構是線性的可擴展的，所以能夠不斷地添加更多的計算、存儲或網絡帶寬資源。

多虧了Teradata的朋友，MPP架構在現實世界中已有30年的成功記錄。

Greenplum的可擴展MPP體系結構使您能夠從單個節點開始，根據須要擴展集羣，以知足不斷變化的容量、吞吐量和性能需求。

藉助通過驗證的MPP架構，您始終能夠擴展Greenplum集羣以知足您的確切要求。

3. Greenplum是並行的Postgres數據庫

數據倉庫一般是現代企業中的關鍵報告、查詢分析和決策支持系統。因此將此類活動賦予一個具備明確可追蹤記錄的系統是相當重要的。

Greenplum是一個「大規模並行Postgres」系統，而且是「 惟一」的開源MPP數據倉庫系統。

Postgres數據庫擁有30年的歷史，被譽爲「世界上最早進的開源數據庫」。

諸如Greenplum和Netezza（RIP）的並行Postgres數據庫已有15年的歷史，而且已經證實了基於Postgres構建MPP平臺的優點。

Greenplum最初是在2005年從Postgres分拆出來的，從那時開始，Greenplum的內核一直保持在較老版本（Postgres 8.2）。自從2015年開源以來，Greenplum研發團隊明顯加快了合併Postgres新版本代碼的速度，目標是在2020年合併到當前最新版本的Postgres。

在全部並行Postgres數據庫系統中，Greenplum是惟一具備詳細近期開發路線圖的數據庫，可實現最新最完整的Postgres代碼整合併合理利用Postgres全球開源社區開發的新功能來完善本身。

4. Greenplum後面有Pivotal公司背書

Greenplum數據庫軟件的核心是「開源」的。該軟件主要由Pivotal開發和推廣。與VMWare、RSA和EMC等技術行業巨頭同樣，Pivotal也是Dell Technologies集團公司的一部分。

與Linux /RedHat的模式相似，Pivotal對Greenplum提供付費支持。

Pivotal支持的Greenplum版本還包括其餘增值組件，例如Greenplum命令中心（GPCC，一款優秀的監控和運維工具）。

Greenplum擁有Pivotal公司這個強力後臺。企業級支持可用於開源Greenplum數據庫。互相促進。

5. 無評估許可費用

「概念驗證」項目或POC一般是證實任何新技術選型價值的重要步驟。數據倉庫系統也不例外。

Pivotal的許可模式容許用戶在POC期間無償使用Greenplum數據庫。

這期間，您能夠在選擇的基礎架構上評估Greenplum的功能和性能，而無需支付任何軟件許可費用。

免費的評估許可證意味着您無需過多擔憂許可時間或POC功能閹割等問題，Greenplum的價值也能夠迅速獲得體現。

6. 簡單的基於CPU內核的訂價

傳統數據倉庫系統一般要求購買完整的硬件/軟件/存儲堆棧。傳統方法可能會涉及大量的前期資本支出（「CapEx」）。

現代的純雲數據倉庫系統一般按使用量或「現收現付」（PAYG）訂價。儘管PAYG模型避免了前期資本支出，但基於消耗的模型可能會致使不可預測且不受限制的運營支出（OpEx）。

Pivotal對於Greenplum的受權是一種簡單的基於CPU內核的訂價受權方式。Pivotal的基於計算的訂閱模型不須要預先的資本支出，而且避免了不可預測和不受限制的運營支出的風險，而現代純雲產品一般就是這種狀況。

一樣使用簡單的基於CPU內核的訂價受權方式，客戶或者在內部部署Greenplum或者經過公共雲進行部署 - 兩種方式都沒有進一步的成本投入。

7. Greenplum在SQL上運行

自20世紀70年代以來，關係型數據庫管理系統（RDBMS）和結構化查詢語言（SQL）的組合一直是數據管理領域的基礎。

從運行SQLite的嵌入式系統到PB規模的數據倉庫集羣，數據管理世界仍在SQL上運行，這是不爭的事實。這不太可能在短期發生改變（這件事，有人能夠告訴Hadoop的粉絲嗎？）。

做爲一個Postgres集羣系統，Greenplum在SQL上運行。在外界看來，它就像一臺單獨的Postgres數據庫同樣。

無須學習新的編程語言；無須增長新的ETL開發人員、BI開發人員或最終用戶培訓計劃；無需購買新的BI工具。

Greenplum在SQL上運行，這就是您所須要的。大家都已經瞭解SQL了，對吧？

8. 涵蓋了數據科學領域

SQL很是適合傳統的數據倉庫場景，例如ELT樣式的ETL、KPI報告、BI工具和最終用戶查詢，可是那些使人討厭的新型「數據科學」場景呢？

好消息是，Greenplum還經過R、Python和Madlib覆蓋了數據科學領域。

Greenplum支持存儲過程語言PL/Python和PL/R。

Python和R都可用於建立用戶定義函數（UDF），以提供可擴展的數據庫內數據科學能力。

Apache Madlib是一個開源的數學、統計和機器學習庫，可與Greenplum一塊兒使用，以處理結構化和非結構化數據，以提供可擴展的數據庫內分析能力。

可使用Madlib開發基於SQL的算法，而無需將Greenplum的數據傳輸到別的工具再進行數據科學算法處理。

集成了Python、R和SQL的Madlib庫可用於在Greenplum數據庫內開發和部署數據科學應用程序，而無需額外費用支出。

9. Gartner高度評價Greenplum

數十年來，技術行業對分析師的評價深信不疑。Gartner幾乎能夠確定是技術領域中最具影響力的分析公司。

Gartner於2019年3月19日發佈的「傳統數據倉庫」用戶用例中，對比列出了主要的數據倉庫產品/服務供應商所處的位置。

絕不奇怪，Teradata以3.73分（滿分5分）排名第一。Pivotal Greenplum的得分爲3.49，排名第三，僅次於Oracle Exadata，它的得分爲3.54，排名第二。

根據Gartner的調查，Greenplum的排名高於SAP HANA（3.35）、Google BigQuery（3.27）、IBM DB2（3.22）、Snowflake（3.22）、Amazon Redshift（3.16）和Microsoft Azure SQL數據倉庫（3.15）。

考慮到傳統數據倉庫用例積累時間較長，也許不足爲奇，相比之下，Hadoop供應商（MapR，Hortonworks和Cloudera）的得分都低於3.0。

Gartner在「傳統數據倉庫」用例中對Greenplum給予了很高的評價。除非您須要Oracle Exadata系統（如今誰還須要呢？），不然只有Teradata配處於Greenplum前列。

10. 最適合生產的系統

 

「一切工做均可以在PowerPoint完成」這一事實多是技術行業中的一個大問題。不只如此！

POC一般是在購買產品以前驗證技術的潛在風險點。POC的順利完成無疑能夠增長信心，可是要確保數據倉庫技術能夠應付「鼎盛」時期的生產狀態，仍然須要翻越巨大的鴻溝。

在VLDB團隊中，咱們推崇「用行動展現給我，不要只動嘴」的法則。咱們也確實如推崇的法則那樣挑剔！

使用Greenplum來應對其長期業務負載的用戶包括摩根士丹利和Conversant Media。

摩根士丹利的Greenplum生產環境由數百臺服務器組成，並支持20PB的原始數據（壓縮後10PB）。相似的規模，Conversant的Greenplum系統單表規模已經達到上億億…行(特別特別多)。

爲何這件事這麼重要？像MorganStanley和Conversant這樣的最終用戶能夠提供給您強有力的證據，證實Greenplum已經有能力應對您苛刻的生產中的工做負荷。

就像那個男人說的：

「不管咱們想出什麼用例，以及想出什麼方式來更好地理解用戶，Greenplum均可以作到這一點。」

——Conversant負責數據倉庫的副總裁John Conley

Greenplum摘要

這樣已經足夠證實了 - 就數據倉庫平臺而言，這是咱們認爲Greenplum是和其餘相比最佳的十大理由。

從最初的Greenplum開始，到如今已經超過15年的驗證，咱們一直是Greenplum的用戶。多年來，隨着咱們對產品和支持的信心不斷加強，它已逐漸成爲VLDB的默認平臺。但願本文講述的這些緣由能解除你們的困惑。

得到Greenplum更多幹貨內容，歡迎前往Greenplum中文社區網站