Greenplum 数据库最佳实践Word文件下载.docx
《Greenplum 数据库最佳实践Word文件下载.docx》由会员分享，可在线阅读，更多相关《Greenplum 数据库最佳实践Word文件下载.docx（39页珍藏版）》请在冰豆网上搜索。
通过使用非规范化数据库模式,例如具有大事实表与小维度表的星型或者雪花模式,GPDB在处理MPP分析型业务时表现优异。
跨表关联（JOIN）时字段使用相同的数据类型。
详见数据库模式设计（后续章节）
堆存储与追加优化存储（Append-Optimized,下称AO）
若表与分区表需要进行迭代式的批处理或者频繁执行单个UPDATE、DELETE或INSERT操作,使用堆存储。
若表与分区表需要并发执行UPDATE、DELETE或INSERT操作,使用堆存储。
若表与分区表在数据初始加载后更新不频繁,且仅以批处理方式插入数据,则使用AO存储。
不要对AO表执行单个INSERT、UPDATE或DELETE操作。
不要对AO表执行并发批量UPDATE或DELETE操作,但可以并发执行批量INSERT操作。
详见堆存储与AO存储（后续章节）
行存储与列存储
若数据需要经常更新或者插入,则使用行存储。
若需要同时访问一个表的很多字段,则使用行存储。
对于通用或者混合型业务,建议使用行存储。
若查询访问的字段数目较少,或者仅在少量字段上进行聚合操作,则使用列存储。
若仅常常修改表的某一字段而不修改其她字段,则使用列存储。
详见行存储与列存储（后续章节）
压缩
对于大AO表与分区表使用压缩,以提高系统I/O。
在字段级别配置压缩。
考虑压缩比与压缩性能之间的平衡。
详见压缩（后续章节）
分布
为所有表定义分布策略:
要么定义分布键,要么使用随机分布。
不要使用缺省分布方式。
优先选择可均匀分布数据的单个字段做分布键。
不要选择经常用于WHERE子句的字段做分布键。
不要使用日期或时间字段做分布键。
分布键与分区键不要使用同一字段。
对经常执行JOIN操作的大表,优先考虑使用关联字段做分布键,尽量做到本地关联,以提高性能。
数据初始加载后或者每次增量加载后,检查数据分布就是否均匀。
尽可能避免数据倾斜。
详见分布（后续章节）
内存管理
设置
vm、overcommit_memory
为2
不要为操作系统的页设置过大的值
使用
gp_vmem_protect_limit
设置单个节点数据库（SegmentDatabase）可以为所有查询分配的最大内存量。
不要设置过高的
值,也不要大于系统的物理内存。
的建议值计算公式为:
（SWAP+（RAM*vm、overcommit_ratio））*0、9/number_Segments_per_server
statement_mem
控制节点数据库为单个查询分配的内存量。
使用资源队列设置队列允许的当前最大查询数（ACTIVE_STATEMENTS）与允许使用的内存大小（MEMORY_LIMIT）。
不要使用默认的资源队列,为所有用户都分配资源队列。
根据负载与时间段,设置与队列实际需求相匹配的优先级（PRIORITY）。
保证资源队列的内存配额不超过
gp_vmem_protect_limit。
动态更新资源队列配置以适应日常工作需要。
详见内存与负载管理（后续章节）
分区
只为大表设置分区,不要为小表设置分区。
仅在根据查询条件可以实现分区裁剪时使用分区表。
建议优先使用范围（Range）分区,否则使用列表（List）分区。
根据查询特点合理设置分区。
不要使用相同的字段即做分区键又做分布键。
不要使用默认分区。
避免使用多级分区;
尽量创建少量的分区,每个分区的数据更多些。
通过查询计划的EXPLAIN结果来验证查询对分区表执行的就是选择性扫描（分区裁剪）。
对于列存储的表,不要创建过多的分区,否则会造成物理文件过多:
Physicalfiles=Segments*Columns*Partitions。
详见分区（后续章节）
索引
一般来说GPDB中索引不就是必需的。
对于高基数的列存储表,如果需要遍历且查询选择性较高,则创建单列索引。
频繁更新的列不要建立索引。
在加载大量数据之前删除索引,加载结束后再重新创建索引。
优先使用B树索引。
不要为需要频繁更新的字段创建位图索引。
不要为唯一性字段,基数非常高或者非常低的字段创建位图索引。
不要为事务性负载创建位图索引。
一般来说不要索引分区表。
如果需要建立索引,则选择与分区键不同的字段。
详见索引（后续章节）
资源队列
使用资源队列管理集群的负载。
为所有角色定义适当的资源队列。
使用ACTIVE_STATEMENTS参数限制队列成员可以并发运行的查询总数。
使用MEMORY_LIMIT参数限制队列中查询可以使用的内存总量。
不要设置所有队列为MEDIUM,这样起不到管理负载的作用。
根据负载与时间段动态调整资源队列。
详见配置资源队列（后续章节）
监控与维护
根据《Greenplum数据库管理员指南》实现该书推荐的监控与管理任务。
安装Greenplum数据库前建议运行
gpcheckperf,安装后定期运行。
保存输出结果,随着时间推移对系统性能进行比较。
使用所有您可用的工具,以了解系统不同负载下的表现。
检查任何不寻常的事件并确定原因。
通过定期运行解释计划监控系统查询活动,以确保查询处于最佳运行状态。
检查查询计划,以确定就是否按预期使用了索引与进行了分区裁剪。
了解系统日志文件的位置与内容,定期监控日志文件,而不就是在出现问题时才查瞧。
详见系统监控与维护以及监控GPDB日志文件。
（后续章节）
ANALYZE
不要对整个数据库运行ANALYZE,只对需要的表运行该命令。
建议数据加载后即刻运行ANALYZE。
如果INSERT、UPDATE与DELETE等操作修改大量数据,建议运行ANALYZE。
执行CREATEINDEX操作后建议运行ANALYZE。
如果对大表ANALYZE耗时很久,则只对JOIN字段、WHERE、SORT、GROUPBY或HAVING字句的字段运行ANALYZE。
详见使用ANALYZE更新统计信息。
Vaccum
批量UPDATE与DELETE操作后建议执行VACUUM。
不建议使用VACUUMFULL。
建议使用CTAS（CREATETABLE、、、AS）操作,然后重命名表名,并删除原来的表。
对系统表定期运行VACUUM,以避免系统表臃肿与在系统表上执行VACUUMFULL操作。
禁止杀死系统表的VACUUM任务。
不建议使用VACUUMANALYZE。
详见消除系统表臃肿。
加载
使用gpfdist进行数据的加载与导出。
随着段数据库个数的增加,并行性增加。
尽量将数据均匀地分布到多个ETL节点上。
将非常大的数据文件切分成相同大小的块,并放在尽量多的文件系统上。
一个文件系统运行两个gpfdist实例。
在尽可能多的网络接口上运行gpfdsit。
gp_external_max_segs
控制访问每个gpfdist服务器的段数据库的个数。
建议gp_external_max_segs的值与gpfdist进程个数为偶数。
数据加载前删除索引;
加载完后重建索引。
数据加载完成后运行ANALYZE操作。
数据加载过程中,设置
gp_autostats_mode
为NONE,取消统计信息的自动收集。
若数据加载失败,使用VACUUM回收空间。
详见加载数据。
gptransfer
为了更好的性能,建议使用
gptransfer
迁移数据到相同大小或者更大的集群。
避免使用
--full
或者
--schema-only
选项。
建议使用其她方法拷贝数据库模式到目标数据库,然后迁移数据。
迁移数据前删除索引,迁移完成后重建索引。
使用SQLCOPY命令迁移小表到目标数据库。
使用gptransfer批量迁移大表。
在正式迁移生产环境前测试运行
gptransfer。
试验
--batch-size
与
--sub-batch-size
选项以获得最大平行度。
如果需要,迭代运行多次
来确定每次要迁移的表的批次。
仅使用完全限定的表名。
表名字中若含有点、空格、单引号与双引号,可能会导致问题。
如果使用
--validation
选项在迁移后验证数据,则需要同时使用
-x
选项,以在源表上加排它锁。
确保在目标数据库上创建了相应的角色、函数与资源队列。
gptransfer-t
不会迁移这些对象。
从源数据库拷贝
postgres、conf
pg_hba、conf
到目标数据库集群。
gppkg
在目标数据库上安装需要的扩展。
详见使用gptransfer迁移数据（后续章节）
安全
妥善保护
gpadmin
账号,只有在必要的时候才能允许系统管理员访问它。
仅当执行系统维护任务（例如升级或扩容）,管理员才能以
登录Greenplum集群。
限制具有SUPERUSER角色属性的用户数。
GPDB中,身为超级用户的角色会跳过所有访问权限检查与资源队列限制。
仅有系统管理员具有数据库超级用户权限。
参考《Greenplum数据库管理员指南》中的“修改角色属性”。
严禁数据库用户以
身份登录,严禁以
身份执行ETL或者生产任务。
为有登录需求的每个用户都分配一个不同的角色。
考虑为每个应用或者网络服务分配一个不同的角色。
使用用户组管理访问权限。
保护好ROOT的密码。
对于操作系统密码,强制使用强密码策略。
确保保护好操作系统的重要文件。
详见安全。
加密
加密与解密数据会影响性能,仅加密需要加密的数据。
在生产系统中实现任何加密解决方案之前都要做性能测试。
GPDB生产系统使用的服务器证书应由证书签名颁发机构（CA）签名,这样客户端可以验证服务器。
如果所有客户端都就是本地的,则可以使用本地CA。
如果客户端与GPDB的连接会经过不安全的链路,则使用SSL加密。
加密与解密使用相同密钥的对称加密方式比非对称加密具有更好的性能,如果密钥可以安全共享,则建议使用
升级会员 