gp的分布、分區政策（概述）

對于大規模并行處理資料庫來說，一般由單master與多segment組成。

那麼資料表的單行會被配置設定到一個或多個segment上，此時需要想一想分布政策

分布

在gp6中，共有三個政策：

哈希分布

随機分布

複制分布

哈希分布

就是對分布鍵進行hash，這樣相同值的key始終散列到同一個segment上。如果選擇唯一的分布鍵，将確定較均勻的資料分布。

要使用這一政策，需要在建立表使用 “DISTRIBUTED BY（column，[…]）” 子句。

随機分布

将資料行按順序依次發送到各個segment，此時具有相同值的資料行不一定位于同一個segment上。随機分布保證了資料的平均分布，但是性能顯然不如hash

複制分布

gp會将每行資料配置設定到每個segment上，此政策下，表資料将均勻分布，每個segment存儲同樣的資料行。

當在segment上執行使用者自定義函數且需要通路表中所有行時，此時需要用到此政策。

接下講解分區概念

分布時對存儲的資料進行實體劃分，分區是邏輯劃分。

分區将大表從邏輯上劃分為多個子表，分區不會更改表資料在segment之間的實體分布。

分區

gp支援以下分區類型：

1、範圍分區：根據數字範圍，如日期或價格

2、清單分區：基于值清單的資料劃分，如銷售地區或者産品線

3、兩種類型的組合

對大表分區可以簡化資料庫維護以及提高查詢性能，例如通過對時間分區，可以将舊資料滾動移除出資料庫。

但是建立過多的分區可能會拖慢管理和維護的速度，如清理，恢複segment，擴充叢集等情況。

參考