GreenPlum 与hadoop

gp 可以处理大量数据, hadoop 可以处理海量.
gp 只能处理湖量,或者河量. 无法处理海量.

 

greenplum采取的是PostgreSQL框架，是PostgreSQL系的重要应用。从这个角度上可以知道GreenPlum是关系型数据库。Hadoop框架是一种分布式的平台设计理念。它本身不是数据库。其中Impala可以认为是一种非关系型的数据库, Hive相当于SQL。

 

GreenPlum的组件分成三个部分MASTER/SEGMENT以及MASTER与SEGMENT之间的高效互联技术GNET。其中MASTER和SEGMENT本身就是独立的数据库SERVER。不同之处在于，MASTER只负责应用的连接，生成并拆分执行计划，把执行计划分配给SEGMENT节点，以及返回最终结果给应用，它只存储一些数据库的元数据，不负责运算，因此不会成为系统性能的瓶颈。这也是GREENPLUM与传统MPP架构数据库的一个重要区别。 SEGMENT节点存储用户的业务数据，并根据得到执行计划，负责处理业务数据。也就是用户关系表的数据会打散分布到每个SEGMENGT节点。当进行数据访问时，首先所有SEGMENT并行处理与自己有关的数据，如果需要segment可以通过进行innterconnect进行彼此的数据交互。 segment节点越多，数据就会打的越散，处理速度就越快。因此与SHARE ALL数据库集群不同，通过增加SEGMENT节点服务器的数量，GREENPLUM的性能会成线性增长。GREENPLUM是典型关系型数据库产品，是面向查询的关系型数据库，它的特点主要就是查询速度快，数据装载速度快，批量DML处理快。而且性能可以随着硬件的添加呈线性增加，拥有非常良好的可扩展性。因此，它主要适用于面向分析的应用。GreenPlum基于 Apache MADLib 的高级机器学习功能，支持快速复杂查询分析，满足各种BI用户需求。所以，greenplum是分布式数据库系统。apache hadoop是大规模分布式计算的框架，涉及分布式存储HDFS，分布式并行计算框架MapReduce，Hadoop Yarn 作业调度和集群资源管理框架，hadoop架构相关的框架HBase,Hive,Pig,ZooKeeper，还有火到爆的spark。可以看出hadoop更像是一种分布式计算的框架，会有越来越多的应用框架使用hadoop框架完成大数据分析，你甚至可以把Greenplum部署到hadoop上，完成大数据的分析处理。