Instance 上的这张表的数据的集合组成了这张表的全部数据，这类似分库分表的 Greenplum Database 管理员指南 V6.2.1 版权所有：Esena(陈淼 +86 18616691889) 编写：陈淼 - 22 - Sharding 概念，这样理解起来可能会容易一些。 GP 系统中所有的业务表都是分散的(复制表除外)，这意味着数据被拆分成无重叠 的记录集合。每部分数据存储在一个 如果可以，尽可能只选择一个字段作为分布键，因为，只有当关联字段包含全部的 分布键时，分布键才对关联有帮助，除了空集(没有分布键的分布策略就是 Randomly 随机分布)，只有仅包含一个元素的集合才最容易成为其他集合的子集。如果可以确保 组合分布键常常会被关联查询的字段全部包含，且没有一个合适的字段单独作为分布键， 选择组合分布键也是可以的，但这只应该作为特例来考虑。  随机(Random)分布 高性能磁盘的文件系统上(例如SSD固态盘)，而将其他表放在普通硬盘的文件系统上。 一个表空间，在GP集群中，对应的是一组分布式的操作系统目录，在每个Instance 上都有一个目录，这些目录的集合，组成了一个表空间，表空间创建成功之后，用户在 使用这些表空间时，不需要再关心这些目录的具体位置，只需要在建表时指定表空间名 Greenplum Database 管理员指南 V6.2.1 版权所有：Esena(陈淼

Greenplum愿景：企业数据集合 13 • 在企业内创建统一的数据运算平台 • 企业所有者可以直接控制其数据实例 • 通过实体整合提供企业级数据访问功能 • 灵活的扩展和配置降低了投资的平均风险 源文件 源数据 源数据 源文件 数据仓库和分析应 用程序 Greenplum数据架构 商用硬件集群 分析 数据 市场 企业数 据仓库 企业数据集合：主要的优势 • 实体整合 •

template1 (切换到template1数据库) DROP DATABASE product; 3、模式管理 、模式管理 数据库模式(schema)是包含了⼀系列数据库对象（表，数据类型，⾃定义函数）集合的命名容器。⼀个数据库可以有多个模式。不同模式不共享命名空间。public 模式是在创建数据库之后就 会默认创建的，每个⽤⼾都有权限在这个 schema 创建对象，如果不指定 schema 那么就会默认创建到这⾥。 在绝⼤部分传统数据中，索引都能够极⼤地提⾼数据访问速速。然⽽，在像 UDW 数据仓库这样的分布式数据库系统中，索引的使⽤需要更加谨慎。 索引会增加数据库系统的运⾏开销，它们占⽤存储空间并且在数据更新时，需要额外的维护⼯作。请确保查询集合在使⽤您创建的索引后，性能得到了改善（和全表顺序扫描相⽐）。可以使⽤ EXPLAIN 命令来确认索引是否被使⽤。 创建索引时，需要注意下⾯的问题点： 1. 查询特点：索引对于查询只返回单条记录或者较少的数据集时，性能提升明显。 Copyright © 2012-2021 UCloud 优刻得 150/206 json_to_recordset(json) 根据⼀个由 JSON 对象组成的数组， 构建⼀个任意的 record 集合。 和所有返回 record 的函数⼀样， 调⽤者必须通过 as 语句来明确地定义 record 的结构。例如： UDW中Json类型 Greenplum数据仓库 UDW Copyright ©

的数据！所以，对于那些尺寸较大的表或者中间结 果出现这样的操作，都是需要坚决杜绝的。 循环匹配 (Nested Loop) 该操作的代价是，从每个 Primary Instance 上来看，两个集合呈现笛 卡尔积方式的关联。这种情况一般还会伴随着广播一起出现，如果是 2 张 100 万数量级的表采用循环的方式关联，计算量为 100 万 ×100 万 =1 万亿。这种操作，除非你确认计算量是可控的，否则，花多大