1、总体架构说明：
（1）Greenplum：
MPP架构(Massively Parallel Processing):大规模并行处理系统。
整个系统是一组独立的数据库阵列。每个数据库相互独立，有独立的数据存储，日志，索引等等。
集群中HOST分为两种，一个是MASTER HOST，一个是SEGMENT HOST。MASTER HOST
不存放数据，只存放全局系统目录（存放数据自身一些元数据），负责客户端连接，处理SQL命令，分发SEMENT任务，汇总SEGMENT返回的结果，展现给最后的结果给客户端程序。
SEGMENT HOST存放用户数据和索引。同一个HOST上可以根据硬件（CPU core，network等）部署多个INSTANCE，同一个SEGMENT HOST上的两个INSTANCE也不能直接访问。
（2）DB2 DPF：
DPF架构类似，也是MPP架构，每个数据库有独立的日志，引擎，锁，缓存管理。服务器之间是通过万兆交换机交换数据。服务器内部通过share_memory实现相互之间访问。服务器16core，每个core对应8G内存，一个RAID组。
总结:MPP结构最大的特点是，不共享资源。节点内部只访问本身的内存和存储，节点之间信息交互与节点的处理时并行的。MPP在增加节点时性能基本可以实现线性扩展。MPP系统不共享资源，因此，当达到一定规模时，资源比SMP要多。因为MPP系统因为要在不同处理单元之间传递信息，通讯时间比较少的时候，MPP就能充分发挥资源优势，达到高效率。
2、数据库核心技术（并行数据流引擎带来的多维分区或者混合分区）：
MPP架构中，解决各个节点的并行处理问题。Greenplum 和ISAS都采取了同样的思路：表分区，就是将一张完整的表，通过HASH算法，尽量均衡的放在不同的节点上。
下面说明ISAS和Greenplum的多维分区：
1）哈希分区
分区键，这个必须指定，没有类似GP中随机分区的概念。如果没有一个合适的列作为分区键，可以通过表新增一个自动生成列，列中填充随机数据，然后以这个自动生成列作为分区键。
分区键支持多个列作为分区键，数据库自动通过这两个列计算出HASH值，然后决定分区位置。
指定分区键之后，会生成hashmap，如果数据不均，可以通过调整hashmap，微调数据分布。这个是GP中目前没有看到的。
当前ISAS测试中按msisdn号码作为分区键，如表中没有此字段，则用MCC+MNC+CC等字段拼接成的位置区号作为分区键。目的是为了使表记录按分区键的值均匀分布到各计算节点。
哈希分区和Greenplum中每个表指定Distrubute key类型。
2）表分区
哈希分区的基础上，将同一范围的数据存放在同一范围。只支持RANGE分区。不支持LIST分区。
表分区是在哈希分区的基础上进一步将表划分，查询的时候减少扫描的数据量，减少I/0。
当前性能测试中未使用表分区。
这个在Greenplum中ranger 表分区。
3）多维聚族索引（MDC）
物理上将多个维上具有类似值的行聚集在一起放在磁盘上。
这个和表分区有两个主要的区别，首先，所有的索引一定是固定的值，不能像表分区一样是范围，另外，数据库内部是通过索引映射实现的。
当前BSASE表中，所有批次数据存放在同一张表中，60分钟汇聚使用starttime，批次号作为多维聚簇。这样汇聚的时候只会取需要汇聚的4部分数据。
这个和Greenplum中list表分区。
ISAS 的3个分区模式可以根据条件组合使用。
其中ISAS表可以指定分区。维度表可以指定存在0分区上，然后通过表复制，32个分区上就都有维度表的数据。事实表和维度表非分区键合并连接时，避免在分区之间发送数据，从而提高查询性能。
另外，还可以通过MQT（物化查询表）实现同样的功能。
MQT，物化查询表，依查询结构而定，可以认为是一种物化的试图，数据可以来自一个或者多个视图。
哈希分区和GP类似。
表分区和Greenplum range类似，多维聚簇， Greenplum中list表分区。
3、两种MPP数据的细节区别：
两种都是MPP架构的数据。设计思路类似，但是一些细节上还是有一些区别。下面简单说明下：
3.1 数据装载：
Greenplum MASTER节点只承担少量控制功能以及和客户度的交互，完全不承担任何计算。ISAS装载必须有admin节点来完成，通过admin节点上其多进程对数据进行分发。装载需要消耗一定的性能（目前看测试20G文件转载1分钟左右，CPU 33%）。与之相反的是Greenplum在数据装载时，不是我们一般想象的存在一个中心的数据分发节点，而是所有节点同时读取数据，然后根据hash算法，将属于自己的数据留下，将其他的节点的数据通过网络直接传送给他，所以数据装载的速度非常快。
3.2 HA架构：
（1）Greenplum的HA架构：
MSATER是通过单独的HOST做备份冗余。最大的特点是segment通过mirror镜像来实现冗余。segment镜像和segment一定保存在不同的host上，master如果连接不上，就标记为Invalid，下次连接上了，就标记为valid状态。
系统如果没有配置mirror，master检测invalid的segment时，就会关闭数据库，来保证数据不出错。如果系统配置了镜像，那么系统在read-only模式和continue模式下处理模式不同，前面不允许DDL和DML操作，可以在线恢复。
后者的操作必须限制在非invalid的segment上的数据，而且invalid的segment恢复时必须重启数据库系统。master镜像就是master的在线standby，因为master上面只保存目录表和系统日志，因此在standby上面一个事务重复记录进程（gpsyncagent连接master以同步，一旦master连不上即坏掉，该进程停止工作，并让standby从master上一个成功事务操作之后开始接管系统（PS:master出故障前，standby上面只gpsyncagent一个进程运行。
（2）ISAS HA结构：
通过操作系统或者第三方的软件实现HA。
3.3数据存储：
ISAS只支持行存储。
Greenplum支持混合存储：
（1） 普通的行存储，支持读写。普通的堆积表。
（2） AOT表，行存储，只读，不支持update,delete，可选压缩。
（3） AOT表列存储，只读，不支持update,delete，支持压缩。
列存储的优势是在于适合宽表设计，在查询只查询部分字段的情况下，效率高于行模式。（因为只需要读出相应的列，减少I/O），同时因为都是同样的数据类型，所以更容易压缩。
3.4 数据压缩技术：
ISAS压缩基于表级别，目前不能指定压缩级别。提供类似Winzip的压缩级别。ISAS压缩的特点是不光对数据进行压缩。索引和临时表也会自动压缩。目前ISAS宣称的压缩比例是 60~70%。
Greenplum支持两种压缩算法ZLIB，压缩比比较高，提供1到9个级别，数字越大，压缩比越高，一种QUICKLZ，压缩比小，对应的带来的CPU负荷低。
最新的4.2版本提供一种RLE的新的基于列的压缩算法，提供基于列级别的压缩。
3.5索引技术：
ISAS只支持B+索引。
Greenplum支持三种索引B-Tree,Bitmap,hash，第三种不推荐使用。
B-Tree:
用在完全不同的列。
用于单列查询。
Bitmap：
低基数列。
列被作为查询的谓语。
Hash:
可以，但是不推荐。
还可以指定对语句建部分索引。
索引影响insert,update，创建的时候消耗CPU。
创建索引遵守的原则：
（1）不要把给经常变更的列建索引。全表扫描性能不好时才需要创建索引。
（2）不要建重复的索引并给索引命名。
（3）低基数的列用bitmap索引。单列的查询使用B-Tree索引。
（4）加载数据的时候先drop掉索引，加载之后再重新创建索引。
（5）扫描一个大表的子集时，使用部分索引。
（5）重创建索引执行执行Analyze。
3.6 Workload manager
队列的限制包括：活动的声明计数，活动声明的内存，活动的声明权限，活动声明的花费
Work load manager是数据仓库提供的负载均衡工具。
可以通过设置CPU(百分比)，内存（优先级），I/O(优先级)，给不同任务。动态的分配资源给不同的任务。
GP有类似的resource queue的概念。Resource queue可以配置以下限制：
Active statement count
Active statement memory
Active statement priority
Active statement cost 这个是查询计划估计的，以获取磁盘Page为单元。
resource queue 通过设置内存（指定每个statement的内存大小和resource queue的总大小，每个statement 一旦运行，就分配了所有指定的内存直到结束。）
GP中CPU是设置优先级和ISAS有区别。
3.8在线扩容：
支持在线扩容，扩容时，表数据需要重新分布。重分布时，是一张一张表进行。正在进行数据重分布的表，不能加载数据。这个类似GP，GP进行数据重分布时，正在重分布的表不能读写。另外GP会自动去掉唯一性限制，所以在表重分布时，碰到重复的行不会报错，所以可能导致ETL出错。