Greenplum入门——基础知识、安装、常用函数
本文为博主在学习Greenplum时阅读的《Greenplum企业应用实战》时的笔记，对书中章节的知识要点进行了归纳和梳理。有兴趣的同学可以找原书学习下。如果认为文中内容涉嫌侵权请及时联系博主删除文章。
软件安装及数据库初始化
Greenplum架构
Master主机与Segment主机的职责
Master
- 建立与客户端的会话连接和管理
- SQL的解析并形成分布式的执行计划
- 将生成好的执行计划分发到每个Segment上执行
- 收集Segment的执行结果
- 不存储业务数据，只存储数据字典
- 可以一主一备，分布在两台机器上
- 为了提高性能，最好单独占用一台机器
Segment
- 业务数据的存储和存取
- 执行由Master分发的SQL语句
- 对于Master来说，每个Segment都是对等的，负责对应数据的存储和计算
- 每一台机器上可以配置一到多个Segment
- 由于每个Segment都是对等的，建议蚕蛹相同的及其配置
- Segment分primary和mirror两种，一般交错的存放在子节点上
Master和Segment都是一个单独的PostgreSQL数据库。每一个都有自己单独的一套元数据字典。Master节点一般也叫主节点，Segment叫做数据节点。
为了实现高可用，每个Segment都有对应的备节点 Mirror Segment分别存在与不同的机器上。
Client一般只能与Master节点进行交互，Client将SQL发给Master，然后Master对SQL进行分析后再讲其分配给所有的Segment进行操作。
环境搭建
操作系统
Greenplum没有Windows版本，只能安装在类UNIX的操作系统上
数据库存储
Greenplumn极度消耗IO资源，所以对存储的要求比较高。
文件系统的选择上，Linux下建议使用XFS，Solaris建议使用ZFS，对于Raid根据需求选择硬Raid活软Raid，如果需要更大孔家，建议使用Raid5，如果对性能要求更高，可选择Raid1+0.
网络
配置/etc/hosts时，习惯将Master机器叫做mdw，将Segment机器叫做sdw
创建用户及用户组
将原有用户删除
#groupdel gpadmin
#userdel gpadmin- 1
- 2
安装
1.安装数据库软件
创建新的用户和用户组
#groupadd -g 530 gpadmin
#useradd -g 530 -u 530 -m -d /home/gpadmin -s /bin/bash gpadmin- 1
- 2
对文件夹赋权，为新用户创建密码
#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
执行unzip命令解压安装文件
unzip greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.zip- 1
为Greenplum软件创建安装目录，并且赋给gpadmin用户权限
mkdir /opt/greenplum
chown -R gadmin:gpadmin /opt/greenplum- 1
- 2
安装
./greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.bin- 1
安装完成后Greenplum的环境变量已经在greenplum_path.sh中设置了。
引用环境变量配置
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节点的hostname
[gpadmin@dw-greenplum-1 conf]$ cat seg_hosts
sdw1
sdw2
sdw3- 1
- 2
- 3
- 4
3.使用gpssh-exkeys打通所有服务器
使用gpssh-exkeys将所有机器的通道打开，这样就不用输入密码使登陆在每台机器之间跳转了
[gpadmin@dw-greenplum-1 conf]$ gpssh-exkeys -f hostlist- 1
打通所有机器通道后，就可以使用gpssh命令对所有机器进行批量操作了
4.将软件分发到每一台机器上
将安装后的文件打包
tar -cf gp4.1.tar greenplum-db-4.1.1.1/- 1
使用gpscp命令将这个文件复制到每一台机器上
gpscp -f /home/gpadmin/conf/hostlist gp4.1.tar =:/opt/greenplum- 1
使用gpssh命令批量解压文件包
=> cd /opt/greenplum
=> tar -xf gp4.1.tar- 1
- 2
- 3
创建数据库数据目录
- Master目录
=> mkdir -p /home/gpadmin/gpdata/gpmaster- 1
- Primary节点目录
=> mkdir -p /home/gpadmin/gpdata/gpdatap1
=> mkdir -p /home/gpadmin/gpdata/gpdatap2- 1
- 2
- Mirror节点目录
=> mkdir -p /home/gpadmin/gpdata/gpdatam1
=> mkdir -p
/home/gpadmin/gpdata/gpdatam2- 1
- 2
- 3
Gpmaster目录保存Master的数据，么个机器上的gpdatap1、gpdatap2分别对应这个机器上的两个主数据节点目录，gpdatam1、gpdatam2对应备数据节点目录
5.配置~/.bash_profile
修改环境变量
添加内容
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
配置文件的模板可以在$GPHOME/docs/cli_help/gpconfigs/目录下找到。gpinitsystem_config文件是初始化Greenplum的模板，在这个模板中，Mirror Segment的配置都被注释掉了，模板中基本初始化数据库的参数都是有的。
# 数据库的代号
ARRAY_NAME = "Greenplum"
MACHINE_LIST_FILE=/home/gpadmin/conf/seg_hosts
# Segment的名称前缀
SEG_PREFIX=gpseg
# Primary Segment骑士的端口号
PORT_BASE=33000
# 指定Primary Segment的数据目录
declare -a DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatap1 /home/gpadmin/gpdata/gpdatap2)
# Master 所在机器的Hostname
MASTER_HOSTNAME=mdw
# 指定Master的数据目录
MASTER_DIRECTORY=/home/gpadmin/gpdata/gpmster
# Master的端口
MASTER_PORT=2345
# Bash版本
TRUSTED_SHELL=/usr/bin/ssh
# 字符集
ENCODING = UNICODE
# Mirror Segment起始的端口号
MIRROR_PORT_BASE=43000
# Primary Segment 主备同步的起始端口号
REPLICATION_PORT_BASE=34000
#Mirror Segment主备同步的起始端口号
MIRROR_REPLICATION_PORT_BASE=44000
# Mirror Segment的数据目录
declare -a MIRROR_DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatam1 /home/gpadmin/gpdata/gpdatam2)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
7.初始化数据库
使用gpinitsystem脚本初始化数据库
gpinitsystem -c initgp_config -s sdw3- 1
登陆Greenplum默认的数据库postgres
[gpadmin@dw-greenplum-1 ~]$ psql -d postgres- 1
创建数据库
createdb testDB -E utf-8- 1
没有设置PGDATABASE环境变量时，使用psql进行登录，默认的数据库与操作系统用户名一致
设置环境变量，修改默认登陆数据库
[gpadmin@dw-greenplum01 ~]$ export PGDATABASE=testDB
[gpadmin@dw-greenplum01 ~]$ psql- 1
- 2
数据库启动与关闭
1.启动数据库
Greenplum提供脚本来管理数据库，gpstart是启动数据库的脚本，可以用gpstart -help查看帮助
一般使用
gpstart -a- 1
直接启动数据库
2.关闭数据库
gpstop是关闭数据库的脚本
一般使用
gpstop -a- 1
直接关闭数据库
畅游Greenplum
访问Greenplum
1.psql
psql是Greenplum/PostgreSQL默认的客户端
使用psql远程连接
admin@test1:、home/admin>psql -h 10.20.151.7 -p 2345 -d testDB -U gpadmin- 1
Greenplum有权限控制，并不是所有的及其都可以连接到数据库。如果有其他计算机要登陆Greenplum，先为数据库用户gpadmin创建一个密码，然后在pg_hba.conf文件中增加客户端机器的权限配置，就可以成功登陆了。
testDB=# alter role gpadmin with password 'gpadmin';
- 1
- 2
在$MASTER_DATA_DIRECTORY/pg_hba.conf文件中增加
host testDB gpadmin 10.20.151.1/32 md5- 1
使配置生效
gpstop -u- 1
2.pgAdmin
…
基本语法
1.获取语法介绍
可以使用 h 查看GreenPlum支持的所有语法
在psql中使用h command
testDB=# h create view- 1
2.CREATE TABLE
与其他数据库不同的地方：
- 在Greenplum中建表时需要指定表的分布键
- 如果表需要用某个字段分区，可以通过partition by将表建成分区表
- 可以使用like操作创建与like的表一样结构的表，功能类似 create table t1 as select * from t2 limit 0
- 可以使用inherits实现表的继承
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是一个分布式数据库，有两种数据分布策略：
1. Hash分布。指定一个活多个分布键，计算hash值，并且通过hash值路由到特定的Segment节点上，语法为Distributed by(…)。如果不指定分布键，默认将第一个字段作为分布键。
2. 随机分布，也叫平均分布。数据随机分散在每一个节点中，这样无论数据是什么内容，都可以平均分布在每个节点上，==但是在执行SQL的过程中，关联等操作都需要将数据重分布，性能较差。==语法为在表字段定义的后面加上Distributed randomly
采用随机分布策略的表默认将主键或唯一键作为分布键，因为每一个Segment都是一个单一的数据库，单个的数据库可以保证唯一性，多个数据库节点就无法保证全局的跨库唯一性，故只能按照唯一键分布，同一个值的数据都在一个节点上，以此来保证唯一性。
==如果指定的分布键与主键不一样，那么分布键会被更改为主键。==
使用like创建的表，只是表结构会与原表一模一样，表的一些特殊属性并不会一样，例如亚索、只增 appendonly等。如果不指定分布键，则默认分布键与原表相同。
3.SELECT
SELECT语句的基本语法跟其他数据库类似，也有自己的一些特性，例如分页采用offset加limit操作
SELECT可以不用指定From字句，如执行函数、进行一些简单的科学计算等。
如果不加order by字句，查询的结果中，数据的顺序是不能够保证的。
4.create table as 与 select into
create table as 与 select into 有一样的功能，都可以使表根据直接执行SELECT的结果创建出一个新的表，这个在临时分析数据的时候十分方便。例如，在创建一个表的时候如果默认不指定分布键，那么Greenplum根据执行SELECT得到的结果集来选择，不用再次分重分布数据的字段作为表的分布键。
也可以手动加入distributed关键字，指定分布键，这样数据就会根据指定分布键再建表。
select into的语法比create table as更简单，虽然功能一样，但是执行select into不能指定分布键，只能使用默认的分布键。
5.explain
explain用于查询一个表的执行计划。
testDB=# explain select * from test1 x,test2 y where x.id=y.id;- 1
6.insert/update/delete
insert
在执行insert语句的时候，注意分布键不要为空，否则分布键默认会变成null，数据都被保存在一个节点上，造成数据分布不均。
可以批量操作
testDB=# insert into test001 values(100,'tom'),(101,'lily');- 1
update
不能批量对分布键执行update，因为对分布键执行update需要将数据重分布，Greenplum暂时不支持这个功能。
delete
Greenplum 3.x版本中，如果delete操作涉及子查询，并且子查询的结果还会涉及数据重分布，这样的删除语句会报错。
对整张表执行Delete较慢，有此需求时建议使用truncate
7.truncate
与oracle一样，执行truncate直接删除表的物理文件，然后创建新的数据文件。truncate操作比delete操作在性能上有非常大的提升，当前如果有sql正在操作这张表，那么truncate操作会被锁住，知道表上面的所有锁被释放
常用数据类型
Greenplum的数据类型基本与PostgreSQL的一样。
1.数值类型
| 类型名称 | 存储空间 | 描述 | 范围 |
|---|---|---|---|
| smallint | 2字节 | 小范围整数 | -32 768~+32 767 |
| integer | 4字节 | 常用的整数 | -2 147 483 648~+2 147 483 647 |
| bigint | 8字节 | 大范围的整数 | -9 223 372 036 854 775 808~9 223 372 036 854 775 807 |
| decimal | 变长 | 用户声明精度，精确 | 无限制 |
| numeric | 变长 | 用户声明精度，精确 | 无限制 |
| real | 4字节 | 变精度，不精确 | 6位十进制数字精度 |
| double precision | 8字节 | 变精度，不精确 | 15位十进制数字精度 |
| serial | 4字节 | 自增整数 | 1 - 2 147 483 647 |
| bigserial | 8字节 | 大范围的自增整数 | 1 - 9 223 372 036 854 775 807 |
2.字符类型
| 类型名称 | 描述 |
|---|---|
| character varying(n),varchar(n) | 变长，有长度限制 |
| character(n),char(n) | 定长，不足补空白 |
| text | 变长，无长度限制 |
3.时间类型
| 类型名称 | 存储空间 | 描述 | 最低值 | 最高值 | 时间精度 |
|---|---|---|---|---|---|
| timestamp[(p)][without time zone] | 8字节 | 日期和时间 | 4713BC | 5874897AD | 1毫秒 |
| timestamp[(p)] with time zone | 8字节 | 日期和时间，带时区 | 4713BC | 5874897AD | 1毫秒 |
| interval[(p)] | 12字节 | 时间间隔 | -178 000 000年 | 178 000 000年 | 1毫秒 |
| date | 4字节 | 只用于表示日期 | 4713BC | 5 874 897AD | 1天 |
| time[(p)][without time zone] | 8字节 | 只用于表示一日内的时间 | 00:00:00 | 24:00:00 | 1毫秒 |
| time[(p)] with time zone | 12字节 | 只用于表示一日内时间，带时区 | 00:00:00+1459 | 24:00:00-1459 | 1毫秒 |
常用函数
字符串函数
| 函数 | 返回类型 | 描述 | 例子 | 结果 |
|---|---|---|---|---|
| string||string | text | 字符串连接 | ||
| length(string) | int | string中字符的数目 | 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 | 从字符串string的开头/结尾/两边删除只包含characters中字符（默认是空白）的最长的字符串 | trim(both ‘x’ from ‘xTomxx’) | Tom |
| lower(string) | text | 把字符串转化为小写 | ||
| upper(string) | text | 把字符串转化为大写 | ||
| overlay(string placing string from int [for int]) | text | 替换子字符串 | overlay(‘Txxxxas’ placing ‘hom’ from 2 for 4) | Thomas |
| replace(string text,from text,to text) | text | 把字符串string中出现的所有子字符串from替换成子字符串to | replace(‘abcdefabcdef’,’cd,’XX’) | abXXefabXXef |
| split_part(string text, delimiter text,filed int) | text | 根据delimiter分隔string返回生成的第field个子字符串（1开始） | split_part(‘abc|def|ghi’,’|’,2) | def |
时间函数
| 函数 | 返回类型 | 描述 | 例子 | 结果 |
|---|---|---|---|---|
| age(timestamp,timestamp) | interval | 减去参数后的”符号化”结果 | age(timestamp’2001-04-10’,timestamp’1957-06-13) | 43 years 9 mons 27 das |
| age(timestam) | interval | 从current_date减去参数中的日期 | age(timestam’1957-06-13) | - |
| current_date | date | 当前的日期 | - | - |
| current_time | time with time zone | 当日时间 | - | - |
| current_timestamp | timestamp with time zone | 当前事务开始时的事件戳 | - | - |
| date_part(text,timestamp) | double precision | 获取子域（等效于extract) | date_part(‘hour’,timestamp’2001-02-16 20:38:40) | 20 |
| date_trunc(text,timestamp) | timestamp | 截断成指定的精度 | date_trunc(‘hour’,timestamp ‘2001-02-16 20:38:40’) | 2001/2/16 20:00 |
| extract(field from timestamp) | double precision | 获取子域 | （同date_part） | （同date_part） |
| now() | timestampe with time zone | 当前事务开始的时间戳 | - | - |
使用interval类型可以直接对事件类型进行计算，用来计算时间的加减
数值计算函数
| 函数 | 返回类型 | 描述 | 例子 | 结果 |
|---|---|---|---|---|
| abs(x) | (与x相同) | 绝对值 | - | - |
| ceil(dp或numeric)ceiling | (与输入相同) | 不小于参数的最小整数 | - | - |
| exp(dp或numeric) | (与输入相同) | 自然指数 | - | - |
| ln(dp或numeric) | (与输入相同) | 自然对数 | - | - |
| log(dp或numeric) | (与输入相同) | 以10 为底的对数 | - | - |
| log(b numeric,x numeric) | numeric | 以b为底的对数 | - | - |
| mod(y,x) | (与参数类型相同) | y/x的余数 | - | - |
| pi() | dp | π | - | - |
| power(a numeric,b numeric) | numeric | a的b次幂 | - | - |
| radians(dp) | dp | 把角度转为弧度 | - | - |
| random() | dp | 0~1之间的随机数 | ||
| floor(dp或numeric) | (与输入相同) | 不大于参数的最大整数 | - | - |
| round(v numeric,s int) | numeric | 圆整为s位小数 | round(42.4382,2) | 42.44 |
| sign(dp或numeric) | (与输入相同) | 参数的符号(-1,0,+1) | sing(-8,4) | -1 |
| sqrt(dp或numeric) | (与输入相同) | 平方根 | - | - |
| cbrt(dp) | dp | 立方根 | - | - |
| trunc(v numeric,s int) | numeric | 截断为s位小数 | - | - |
其他常用函数
序列号生成函数——generate_series
generate_series(x,y,t)- 1
生成多行数据从x到另外y，步长为t，默认是1
字符串列转行——string_agg
string_agg(str,symbol [order by str])- 1
（按照某字段排序）将str列转行，以symbol分隔
字符串行转列——regexp_split_to_table
…
hash函数——md5，hashbpchar
md5的hash算法精度为128位，返回一个字符串
Hashbpchar的精度是32位，返回一个integer类型
分析函数
开窗函数
聚合函数返回各个分组的结果，开窗函数则为每一行返回结果。
rank()、row_number
grouping sets
如果需要对几个字段的组合进行group 不用，需要用到grouping sets功能
| group sets语法 | 等价的普通SQL的语法 |
|---|---|
| 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),()) |
分区表
Greenplum支持分区表。
可以使用时间分区、Every分区、list分区、
创建分区表
[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
通过实验得到：向主表插入数据时，数据会被自动存放至相应的分区表。
也可以直接向分区子表插入符合条件的数据，
当向分区子表插入不符合条件的额数据时，会提示：
[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
删除主表是会自动删除关联的分区表
Examples
按时间分区
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分区
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分区
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
修改分区表
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
新增分区
alter table test.test_partition_every add partition p20120105_6
start ('2012-01-05'::date) END ('2012-01-07'::date);- 1
- 2
drop/truncate分区
alter table test.test_partition_every drop partition p20120105_6;
alter table test.test_partition_every truncate partition p20120105_6;- 1
- 2
- 3
拆分分区
alter table test.test_partition_every split partition p20120105_6
at(('2012-01-06'::date)) into (partition p20120105,partition p20120106);- 1
- 2
交换分区
alter table test.test_partition_every exchange partition p20120102 with table test.test_on_partition;- 1
外部表
Greenplum在数据加载上有一个明显的优势，就是支持数据并发加载，gpfdist就是并发加载的工具，在数据库中对应的就是外部表。
外部表就是一张表的数据是指向数据库之外的数据文件的。在Greenplum中，可以对一个外部表执行正常的DML操作，当读取数据的时候，数据库就从数据文件中加载数据。外部表支持在Segment上并发的告诉从gpfdist导入数据，由于是直接从Segment上导入数据，所以效率非常高。
创建外部表
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
外部表需要指定gpfdist的IP和端口，详细目录地址。其中文件名支持通配符匹配。
可以编写多个gpfdist的地址，但是不能超过总的Segment数，否则会报错。在创建外部表的时候可以指定分隔符、err表、指定允许出错的数据条数，以及源文件的字符编码等。
外部表还支持本地文本文件的导入，效率较低，不建议使用。
外部表还支持HDFS的文件操作。
启动gpfdist及创建外部表
1.
首先在文件服务器上启动gpfdist服务，指定文件目录及端口
nohup $GPHOME/bin/gpfdist -d /home/admin -p 8888 > /tmp/gpfdist.log 2>&1 &- 1
nohup保证程序在Server端执行，当前会话关闭后，程序仍然正常运行
nohup是Unix/Linux中的一个命令，普通进程通过&符号放到后台运行，如果启动该程序的额控制台退出，则该进程终止。nohup命令启动程序，则在控制台退出后，进程仍然继续运行，起到守护进程额作用。
2.
准备好需要加载的数据文件，将其放在外部表文件及其的、home/admin/目录或该目录的子目录下，在Greenplum中创建对应的外部表
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.外部表查询及数据加载
testDB=# select * from public.test001_ext- 1
COPY命令
使用COPY命令可以实现将文件导出和导入，但是要通过Master，效率没有外部表高，但是在数据量比较小的情况下，COPY命令比外部表要方面很多。
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中引入了可写外部表，在导出数据的时候可以用可写外部表并发导出，性能很好。但在Greeplum3.x版本中，导出数据只能通过COPY命令实现，数据在Master上汇总导出。
如果需要将数据远程导出到其他机器上，可以使用copy to stdout，远程执行psql连接到数据库上，然后通过管道将数据重定向成文件。