2024年4月16日发(作者：)

1 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。

2 主流分布式并行处理数据库产品介绍

2.1 Greenplum

2.1.1 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：

SQL

MapReduc

SQL

MapReduc

...

...

Master

Severs

查询解析、优化、分发

Network Interconnect

...

Segment

Severs

查询处理、数

据存储

External

Sources

数据加载

... ...

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。

2.1.2 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

2.1.3 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。

2.2 Vertica

2.2.1 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。