有些观点与官方手册有 出入，仅代表编者本人观点，与官方手册无关。本书中可能会提及一些非官方的命令和 工具等，仅用于讲解相关知识，如有缺失相关细节的情况，请谅解。 致读者 如果您在阅读和参考本书的过程中发现有任何不妥之处，或者有任何的建议和意见， 欢迎联系编者，本书主要针对 GP 数据库的爱好者进行编写，包括产品的安装和使用说 明，以及最佳实践等内容。本书的发布更新情况与编者的时间有关，不做承诺。 SELECT * FROM gp_toolkit.gp_resgroup_status; 不过，编者觉得这个视图没法看，CPU 和内存使用量的字段是个很大的 Json，难 以阅读。像下面这样可能会容易阅读一些： =# SELECT rsgname,groupid,num_running,num_queueing, num_queued,num_executed,total_queue_duration 日统计结果为依据来进行调整，最为稳妥。 创建包含成本限制的资源队列 资源队列通过设置MAX_COST限制被执行的语句可消耗的最大成本(Cost)。Cost 以一个浮点数(如100.0或使用科学计数法如1e+2)来指定。 Cost是查询优化器(如使用EXPLAIN查看)评估出来的总预估成本。因此管理员在 设置时需要对该系统执行的查询很熟悉才可以得到一个恰当的Cost阈值。Cost意味着

大幅度地提高了查询性能。 Pivotal Greenplum 5：新一代数据平台 作为重要的新版本，Pivotal Greenplum 5 带来了多项产品改进和新增功能，在管理数据和对数据库中存储的信息应用数据 科学、分析、报告和数据洞察方法方面，这些功能对大多数客户都很有帮助。Greenplum 解决方案的架构设计目的是管理 非常复杂的查询，以及为符合 ANSI 标准的 SQL 提供强有力的分析改进。通过自动对数据进行分区和并行运行查询，它让 社区的模式，他们对代码库进行了重构，这样一来，便可以更轻松地从最新版本（未来 的 PostgreSQL 9.X 和 10）中纳入 PostgreSQL 新增功能。 新一代 数据平台 IT 人员 开发 人员 业务 分析师 数据 科学家 灵活 部署 数据源和数据管道 Spring Cloud Data Flow ETL 本地存储 HDFSS 云对象 存储 GemFire Spark 其他 RDBMSes 多结构数据 PIVOTAL Pivotal Greenplum 中做高级分析，无论是提供将应用逻辑向下推送至数据所在位置的方法，执行 分析功能，还是以大规模并行方式构建数据模型，都可以实现。Greenplum 5 支持适用于数据挖掘和数据科学工作的最全面、 最先进的分析程序包和扩展。 Greenplum 5 还针对最受欢迎的 Python 和 R 语言算法库提供简单易用的安装程序。 • Greenplum 5 中支持的 Python

Sessionize Term Frequency for Text Analysis Nearest Neighbors • k-Nearest Neighbors 成熟的数据科学学习库 2017.thegiac.com • 更好的并行度 • 算法充分利用 MPP 架构实现并行 • 更好的可扩展性 • 算法随着数据扩充而线性扩展 • 更高的预测精准度 thegiac.com 问题 ● 邮件⼴广告点击预测 模型不不够精准，需 要更更好的邮件营销 策略略 ● 现有数据分析流程 繁琐，速度慢，有 很多⼿手动步骤，易易 出错 客户 数据科学解决⽅方案 ● 某⼤大型跨国多元 化传媒和娱乐公 司 ● 简化Data 流程 ● 在Madlib上重新建 模和预测 ● 实现流程全⾃自动化 背景 2017.thegiac 更更好地理理解不不同种 类的⽤用户 ● 更更好地了了解⽤用户与 APP的交互 ● 对实时API请求进 ⾏行行分类和安全检测 ● 数据量量⼤大，现有数 据分析团队缺乏技 能 客户 数据科学解决⽅方案 ● 某⼤大型跨国⾦金金 融服务公司 ● 移动应⽤用 API 分析 ● 使⽤用Madlib进⾏行行聚 类分析，建⽴立会话 识别模型和主题模 型 ● 建⽴立scoring

队。 利用容器实现安全分析 PL/Container 扩展是一个接口，允许 Greenplum 数据库与 Docker 容器交互，以在容器中执行用户定义函数 （UDF），这样方便数据科学家可以在不需要 DBA 帮助的情况自由使用数据分析，同时大大提高了安全性，Docker 容器确保用户代码无法访问源主机的文件系统。此外，容器启动时网络访问受限，无法连接回 Greenplum 数据库或 一直以来，客户都能在 Greenplum 中做高级分析，无论是提供将应用逻辑向下推送至数据所在位置的方法，执行分 析功能，还是以大规模并行方式构建数据模型，都可以实现。Greenplum 支持适用于数据挖掘和数据科学工作的最 全面、最先进的分析程序包和扩展。Greenplum 还针对最受欢迎的 Python 和 R 语言算法库提供简单易用的安装程 序，包括 Tensorflow、NumPy、SciPy、XG 性计算，它提供了一个同时支持 OLAP 和 OLTP 的业务场景，同时支持传统和新型分析工作负载的环境，可帮助客户消除分析孤岛，避免数据来回移动。 此外， 它通过有助于加快创新的集成环境，为数据科学家和业务分析师提供多种分析功能。Greenplum 的成熟、开源、 开放和社区持续的活力，通过与朝气蓬勃的中国本土厂商不断深入合作，因地制宜，相信 Greenplum 会成为越来越多 的中国客户选择！

查看功能查看数据的其他用户隐藏数据。在恶意管理员访问数据并试 图获取社会安全号码的时候它将仅显示最后 4 位数，隐藏并保护剩余 的敏感数据。 Protegrity 可以使用各种加密算法，但此种数据标记对数据科学家而言 尤其适用。不断对数据启用常用加密将增加额外的处理费用，且常用 加密通常会导致在解密之前无法使用数据。与此相反，标记可以将数 据转变为一种形式，即隐藏其实际数值，与此同时数据仍可为分析算 法所用。 响 的特定记录应用设定的逻辑。 SSN 的所有数据都将以其标记化的格式保存在实际的 sample_ssn 表 中，同时，用户可以访问 v_sample_ssn 并将其视为正常的表格对待。 如果数据科学家希望对此数据运行集群算法而不是通过视图传递，那 么他们将访问 sample_ssn 中的原始数据以避免日常的费用，但仍不 会访问实际的 SSN 编号。 正如你所见，Protegrity 的数据库保护器可以提供一种绝佳的方法标记 年 4 月，由 EMC、VMware 和 GE 共同投资成立。 公司总部位于美国硅谷，专注于下一代企业级云计算与大数据基础平 台，以及下一代应用程序运行框架支撑实现，在敏捷与快速应用程序 开发、数据科学、云计算、开放源代码软件、大规模并行处理和实时 数据系统领域颇有建树。2016 年 5 月，又获得了来自福特和微软的共 同投资，目前公司整体估值达到 28 亿美金。 作 为 世 界 上 新 一 代

1 2 • 中国科学技术大学计算机科学学士 • 上海交通大学MBA • 20年+IT从业经验， 专注于数据库技术领域 • 自2003年始从事数据库实时复制技术的解决方案 • 2013年至2015年在SAP 担任大数据和BI解决方案 资深技术顾问 • 2015年加入HVR中国公司担任技术总监 • 微信号: gu9060 个人介绍 3 HVR moves high volumes