摘要：本文介紹了大數據引擎Greenplum的架構和部分技術特點，從GPDB基本背景開始，在架構的層面上講解GPDB系統內部各個模塊的概貌，然后圍繞GPDB的自身特性，并行執行和運維等技術細節，闡述了為什么選擇使用Greenplum作為下一代的查詢引擎解決方案。

　　Greenplum的MPP架構

　　Greenplum（以下簡稱GPDB）是一款開源數據倉庫。基于開源的PostgreSQL改造，主要用來處理大規模數據分析任務，相比Hadoop，Greenplum更適合做大數據的存儲、計算和分析引擎。

　　GPDB是典型的Master/Slave架構，在Greenplum集群中，存在一個Master節點和多個Segment節點，其中每個節點上可以運行多個數據庫。Greenplum采用shared nothing架構（MPP）。典型的Shared Nothing系統會集數據庫、內存Cache等存儲狀態的信息；而不在節點上保存狀態的信息。節點之間的信息交互都是通過節點互聯網絡實現。通過將數據分布到多個節點上來實現規模數據的存儲，通過并行查詢處理來提高查詢性能。每個節點僅查詢自己的數據。所得到的結果再經過主節點處理得到最終結果。通過增加節點數目達到系統線性擴展。

　　圖1 GPDB的基本架構

　　如上圖1為GPDB的基本架構，客戶端通過網絡連接到gpdb，其中Master Host是GP的主節點（客戶端的接入點），Segment Host是子節點（連接并提交SQL語句的接口），主節點是不存儲用戶數據的，子節點存儲數據并負責SQL查詢，主節點負責相應客戶端請求并將請求的SQL語句進行轉換，轉換之后調度后臺的子節點進行查詢，并將查詢結果返回客戶端。

　　Greenplum Master

　　Master只存儲系統元數據，業務數據全部分布在Segments上。其作為整個數據庫系統的入口，負責建立與客戶端的連接，SQL的解析并形成執行計劃，分發任務給Segment實例，并且收集Segment的執行結果。正因為Master不負責計算，所以Master不會成為系統的瓶頸。

　　Master節點的高可用（圖2），類似于Hadoop的NameNode HA，如下圖，Standby Master通過synchronization process，保持與Primary Master的catalog和事務日志一致，當Primary Master出現故障時，Standby Master承擔Master的全部工作。