為什么要寫(xiě)這本書(shū)
2012年我步入企業(yè)數(shù)據(jù)分析領(lǐng)域，一度聚焦于銀行業(yè)管理會(huì)計(jì)系統(tǒng)。管理會(huì)計(jì)系統(tǒng)是銀行業(yè)重要的數(shù)據(jù)分析與應(yīng)用系統(tǒng)。在上線管理會(huì)計(jì)系統(tǒng)之前，銀行業(yè)只能通過(guò)簡(jiǎn)單的統(tǒng)計(jì)報(bào)表應(yīng)對(duì)各種業(yè)務(wù)統(tǒng)計(jì)需求。管理會(huì)計(jì)系統(tǒng)幫助銀行實(shí)現(xiàn)了經(jīng)營(yíng)數(shù)據(jù)的匯總整合、數(shù)據(jù)質(zhì)量的提升、精細(xì)化管理的轉(zhuǎn)變，一躍成為銀行業(yè)核心的數(shù)據(jù)應(yīng)用系統(tǒng)。
銀行業(yè)的管理會(huì)計(jì)系統(tǒng)通常構(gòu)建在數(shù)據(jù)倉(cāng)庫(kù)之上，是一個(gè)面向應(yīng)用的數(shù)據(jù)集市，雖然整體架構(gòu)和數(shù)據(jù)倉(cāng)庫(kù)類似，但是系統(tǒng)的數(shù)據(jù)容量略小。早期的管理會(huì)計(jì)系統(tǒng)都是基于Oracle、DB2、SQL Server實(shí)現(xiàn)的。2017年年底，我次接觸到了大數(shù)據(jù)平臺(tái)，參與了銀行業(yè)個(gè)基于Hadoop平臺(tái)的管理會(huì)計(jì)系統(tǒng)項(xiàng)目建設(shè)。
身為傳統(tǒng)數(shù)據(jù)庫(kù)開(kāi)發(fā)工程師，我在Oracle和DB2數(shù)據(jù)庫(kù)上積累的經(jīng)驗(yàn)在Hive上完全無(wú)用武之地。在完成Hive數(shù)據(jù)分析項(xiàng)目的同時(shí)，我一邊惡補(bǔ)Hadoop的相關(guān)知識(shí)，一邊深入理解Hive執(zhí)行過(guò)程和執(zhí)行原理，終于在項(xiàng)目后期掌握了Hive數(shù)據(jù)倉(cāng)庫(kù)的優(yōu)化策略和調(diào)優(yōu)參數(shù)。盡管已經(jīng)有了Hive的優(yōu)化經(jīng)驗(yàn)，我仍然很難認(rèn)可Hive的數(shù)據(jù)倉(cāng)庫(kù)領(lǐng)導(dǎo)者地位。即使后面用到了Tez、Hive on Spark等更加快速的查詢引擎，腳本式的開(kāi)發(fā)過(guò)程和大表關(guān)聯(lián)的性能瓶頸，仍然讓我對(duì)Hive很不滿意。
直到有一天，我發(fā)現(xiàn)了Greenplum數(shù)據(jù)庫(kù)，才知道分布式數(shù)據(jù)庫(kù)其實(shí)還有更好的選擇。MPP架構(gòu)作為傳統(tǒng)數(shù)據(jù)庫(kù)架構(gòu)設(shè)計(jì)的正統(tǒng)繼承者，既滿足了大數(shù)據(jù)量查詢的性能要求，又解決了SQL語(yǔ)言的兼容性問(wèn)題。
正是基于Greenplum數(shù)據(jù)庫(kù)帶給我的驚喜，我才特別想將使用經(jīng)驗(yàn)分享給大家，從而推動(dòng)更多企業(yè)使用Greenplum數(shù)據(jù)庫(kù)，讓它們用更省錢(qián)、更快捷的方式實(shí)現(xiàn)企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)中臺(tái)。
雖然現(xiàn)在ClickHouse和Doris正在崛起，新一代的架構(gòu)可能會(huì)超越Greenplum數(shù)據(jù)庫(kù)，但是Greenplum數(shù)據(jù)庫(kù)勝在生態(tài)成熟、技術(shù)穩(wěn)定，完全可以滿足大部分中小企業(yè)的數(shù)據(jù)分析需求。
Greenplum曾經(jīng)在阿里巴巴作為Oracle集群的替代產(chǎn)品，成為數(shù)據(jù)倉(cāng)庫(kù)的核心數(shù)據(jù)庫(kù)（雖然后來(lái)被自研產(chǎn)品換掉，但是阿里巴巴當(dāng)時(shí)的數(shù)據(jù)體量是很多公司未來(lái)10年都不可能達(dá)到的），而且這些年來(lái)，Greenplum數(shù)據(jù)庫(kù)技術(shù)更加成熟，生態(tài)更為完善，性能也得到了大幅提高。
阿里云推出的云原生數(shù)據(jù)倉(cāng)庫(kù)AnalyticDB for PostgreSQL正是基于Greenplum的改進(jìn)版本。百度云、云也陸續(xù)推出了基于Greenplum的云上數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)，騰訊云和華為云則主推自家研發(fā)的同類產(chǎn)品（騰訊TBase和華為GaussDB）。這說(shuō)明各大云廠商都看好MPP架構(gòu)數(shù)據(jù)庫(kù)在OLAP領(lǐng)域的應(yīng)用趨勢(shì)。這些數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)都是基于PostgreSQL研發(fā)的，并且都參考了Greenplum的架構(gòu)體系。因此，深入研究Greenplum可以達(dá)到觸類旁通的作用。從主推以Hive為核心的大數(shù)據(jù)平臺(tái)到回歸Greenplum生態(tài)，說(shuō)明云廠商的產(chǎn)品定位在發(fā)生轉(zhuǎn)變。對(duì)于廣大中小型企業(yè)，Greenplum才是適合它們的數(shù)據(jù)庫(kù)產(chǎn)品。
讀者對(duì)象
本書(shū)適合以下讀者。
商業(yè)智能分析領(lǐng)域的工程師。Greenplum作為一款簡(jiǎn)單易用、性能卓越的OLAP分析數(shù)據(jù)庫(kù)，非常適合作為數(shù)據(jù)分析的底層數(shù)據(jù)庫(kù)。通過(guò)閱讀本書(shū)，讀者可以快速掌握Greenplum的使用，并可以從其他環(huán)境抽取數(shù)據(jù)到Greenplum進(jìn)行數(shù)據(jù)分析，進(jìn)一步提升工作效率。
數(shù)據(jù)分析領(lǐng)域的ETL工程師。MPP數(shù)據(jù)庫(kù)的原理是數(shù)據(jù)分析領(lǐng)域的ETL工程師必須掌握的技術(shù)知識(shí)點(diǎn)。通過(guò)本書(shū)，讀者不僅可以學(xué)習(xí)并掌握MPP架構(gòu)的開(kāi)源數(shù)據(jù)庫(kù)，以及PostgreSQL和Greenplum數(shù)據(jù)庫(kù)語(yǔ)法，還可以基于Greenplum構(gòu)建完整的數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)中臺(tái)系統(tǒng)。
系統(tǒng)架構(gòu)師。OLAP數(shù)據(jù)庫(kù)選型一直是系統(tǒng)架構(gòu)領(lǐng)域的難點(diǎn)，通過(guò)本書(shū)，讀者可以全面認(rèn)識(shí)Greenplum數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)和缺點(diǎn)，從而務(wù)實(shí)地在Hadoop和Greenplum中做出明智的選擇。此外，Greenplum會(huì)大幅降低開(kāi)發(fā)成本，提高開(kāi)發(fā)效率，提升企業(yè)的信息服務(wù)水平。
計(jì)算機(jī)專業(yè)的高校學(xué)生。如今，很多高校都開(kāi)設(shè)了數(shù)據(jù)庫(kù)和大數(shù)據(jù)相關(guān)的課程，然而Hadoop的復(fù)雜性和不穩(wěn)定性讓入門(mén)者膽怯，基于PostgreSQL的MPP數(shù)據(jù)庫(kù)Greenplum會(huì)是這部分讀者好的選擇。
本書(shū)特色
本書(shū)結(jié)合數(shù)據(jù)中臺(tái)的建設(shè)，從建設(shè)思路、接口實(shí)戰(zhàn)、建模實(shí)戰(zhàn)到數(shù)據(jù)中臺(tái)管理和應(yīng)用，全方位解讀基于Greenplum數(shù)據(jù)庫(kù)實(shí)現(xiàn)數(shù)據(jù)中臺(tái)的過(guò)程，并輔之以零售行業(yè)數(shù)據(jù)中臺(tái)的案例，深入剖析數(shù)據(jù)中臺(tái)建設(shè)的全過(guò)程，幫助讀者掌握數(shù)據(jù)中臺(tái)的實(shí)戰(zhàn)要領(lǐng)。
在行文方面，本書(shū)盡可能使用淺顯易懂的語(yǔ)言，并通過(guò)大量的演示案例來(lái)引導(dǎo)讀者深入學(xué)習(xí)。在關(guān)鍵環(huán)節(jié)，本著有圖有真相的原則，配有大量的截圖和示意圖幫助讀者加深對(duì)知識(shí)的理解。
如何閱讀本書(shū)
本書(shū)內(nèi)容分為4部分。
部分　大數(shù)據(jù)平臺(tái)概述（第1章）：主要從應(yīng)用的角度介紹了大數(shù)據(jù)技術(shù)的發(fā)展歷程，幫助讀者了解時(shí)代背景，把握大數(shù)據(jù)技術(shù)的發(fā)展方向。
第二部分　Greenplum入門(mén)（第2～4章）：簡(jiǎn)單介紹Greenplum數(shù)據(jù)庫(kù)的基本原理、安裝與部署、入門(mén)操作，幫助讀者認(rèn)識(shí)Greenplum數(shù)據(jù)庫(kù)。沒(méi)有任何數(shù)據(jù)庫(kù)應(yīng)用經(jīng)驗(yàn)的讀者可以認(rèn)真學(xué)習(xí)這部分內(nèi)容。
第三部分　Greenplum應(yīng)用（第5～11章）：著重講解了Greenplum數(shù)據(jù)庫(kù)的部分高級(jí)應(yīng)用功能，包括SQL語(yǔ)法、ETL