greenplum数据库的使用

三、 Greenplum数据库的基本使用

1. 启动和停止

su gpadmin

gpstart -a ( -a的原因是不需要在手动输入yes)

gpstop -a

2. 查看数据库状态

psql -l

pgstate

3. 命令行连接访问数据库

在命令行界面也可以输入以下

\h：查看SQL命令的解释，比如\h select。

\?：查看psql命令列表。

\l：列出所有数据库。

\c [database_name]：连接其他数据库。

\d：列出当前数据库的所有表格。

\d [table_name]：列出某一张表格的结构。

\du：列出所有用户。

\e：打开文本编辑器。

\conninfo：列出当前数据库和连接的信息。

\d tblname 查看表结构，相当于desc tblname,show columns from tbname

\dt 列举表，相当于mysql的show tables

\di 查看索引

\df 查看函数

\copyright 显示 PostgreSQL 的使用和发行条款

\encoding [字元编码名称] 显示或设定用户端字元编码

\h [名称] SQL 命令语法上的说明，用 * 显示全部命令

\password [USERNAME] 、修改用户密码

\q 退出命令行界面

4 一些DML操作

# 创建新表

CREATE TABLE user_tbl(name VARCHAR(20), signup_date DATE);

# 插入数据

INSERT INTO user_tbl(name, signup_date) VALUES('张三', '2013-12-22');

# 选择记录

SELECT * FROM user_tbl;

# 更新数据

UPDATE user_tbl set name = '李四' WHERE name = '张三';

# 删除记录

DELETE FROM user_tbl WHERE name = '李四' ;

# 添加栏位

ALTER TABLE user_tbl ADD email VARCHAR(40);

# 更新结构

ALTER TABLE user_tbl ALTER COLUMN signup_date SET NOT NULL;

# 更名栏位

ALTER TABLE user_tbl RENAME COLUMN signup_date TO signup;

# 删除栏位

ALTER TABLE user_tbl DROP COLUMN email;

# 表格更名

ALTER TABLE user_tbl RENAME TO backup_tbl;

# 删除表格

DROP TABLE IF EXISTS backup_tbl;

创建数据库

createdb serviceDB(库名) -E utf-8

然后默认数据库

export GPDATABASE=serviceDB

进入命令界面

psql

psql -d servicedb -h node-01 -p 5432 -U gpadmin 会进入命令行页面

通过psql 指定指定的数据库 ,,机器的节点, 端口号, 用户名可以使其他的机器登陆到greenplum数据库

比如在node-03上通过上述的指令进入大greenplum数据库

基本语法

1 获取基本语法介绍

可以使用 \h 查看GreenPlum支持的所有语法
在psql中使用\h command

2 create table

与其他数据库不同的地方：
- 在Greenplum中建表时需要指定表的分布键
- 如果表需要用某个字段分区，可以通过partition by将表建成分区表
- 可以使用like操作创建与like的表一样结构的表，功能类似 create table t1 as select * from t2 limit 0
- 可以使用inherits实现表的继承

CREATE [[GLOBAL|LOCAL] {TEMPORARY|TEMP}] TABLE table_name (

[

{

column_name data_type [DEFAULT default_expr]

[column_constraint [...]]

| table_constraint

| LIKE ohter_table [{INCLUDING|EXCLUDING} {DEFAULTS|CONSTRAINTS} ...]

}

[,...]

]...

)

[INHERITS (parent_table [,...])]

[WITH (storage_parameter=value [,...])

[ON COMMIT {PRESERVE ROWS|DELETE ROWS|DROP}]

[TABLESPACE tablespace]

[DISTRIBUTED BY (column,[...]) | DISTRIBUTED RANDOMLY]

[PARTITION BY partition_type (column)

[SUBPARTITION BY partition_type (column)]

[SUBPARTITION TEMPLATE (template_spec)]

[...]

(partition_spec)

|[SUBPARTITION BY partition_type(column)]

[...]

(partition_spec)

[(subpartition_spec

[(...)]

)]

]

Greenplum是一个分布式数据库，有两种数据分布策略：

1. Hash分布。指定一个活多个分布键，计算hash值，并且通过hash值路由到特定的Segment节点上，语法为Distributed by(…)。如果不指定分布键，默认将第一个字段作为分布键。

2. 随机分布，也叫平均分布。数据随机分散在每一个节点中，这样无论数据是什么内容，都可以平均分布在每个节点上，==但是在执行SQL的过程中，关联等操作都需要将数据重分布，性能较差。==语法为在表字段定义的后面加上Distributed randomly

采用随机分布策略的表默认将主键或唯一键作为分布键，因为每一个Segment都是一个单一的数据库，单个的数据库可以保证唯一性，多个数据库节点就无法保证全局的跨库唯一性，故只能按照唯一键分布，同一个值的数据都在一个节点上，以此来保证唯一性。

==如果指定的分布键与主键不一样，那么分布键会被更改为主键。==

使用like创建的表，只是表结构会与原表一模一样，表的一些特殊属性并不会一样，例如压缩、只增 appendonly等。如果不指定分布键，则默认分布键与原表相同。

3.SELECT

SELECT语句的基本语法跟其他数据库类似，也有自己的一些特性，例如分页采用offset加limit操作

SELECT可以不用指定From字句，如执行函数、进行一些简单的科学计算等。

如果不加order by字句，查询的结果中，数据的顺序是不能够保证的。

4 create table as 与 select into

create table as 与 select into 有一样的功能，都可以使表根据直接执行SELECT的结果创建出一个新的表，这个在临时分析数据的时候十分方便。例如，在创建一个表的时候如果默认不指定分布键，那么Greenplum根据执行SELECT得到的结果集来选择，不用再次分重分布数据的字段作为表的分布键。

也可以手动加入distributed关键字，指定分布键，这样数据就会根据指定分布键再建表。

select into的语法比create table as更简单，虽然功能一样，但是执行select into不能指定分布键，只能使用默认的分布键。

5.explain

explain用于查询一个表的执行计划。

testDB=# explain select * from test1 x,test2 y where x.id=y.id;

6.insert/update/delete

insert

在执行insert语句的时候，注意分布键不要为空，否则分布键默认会变成null，数据都被保存在一个节点上，造成数据分布不均。

可以批量操作

testDB=# insert into test001 values(100,'tom'),(101,'lily');

update

不能批量对分布键执行update，因为对分布键执行update需要将数据重分布，Greenplum暂时不支持这个功能。

delete

Greenplum 3.x版本中，如果delete操作涉及子查询，并且子查询的结果还会涉及数据重分布，这样的删除语句会报错。

对整张表执行Delete较慢，有此需求时建议使用truncate

7.truncate

与oracle一样，执行truncate直接删除表的物理文件，然后创建新的数据文件。truncate操作比delete操作在性能上有非常大的提升，当前如果有sql正在操作这张表，那么truncate操作会被锁住，知道表上面的所有锁被释放.

常用数据类型

Greenplum的数据类型基本与PostgreSQL的一样。

1.数值类型

类型名称	存储空间	描述	范围
smallint	2字节	小范围整数	-32 768~+32 767
integer	4字节	常用的整数	-2 147 483 648~+2 147 483 647
bigint	8字节	大范围的整数	-9 223 372 036 854 775 808~9 223 372 036 854 775 807
decimal	变长	用户声明精度，精确	无限制
numeric	变长	用户声明精度，精确	无限制
real	4字节	变精度，不精确	6位十进制数字精度
double precision	8字节	变精度，不精确	15位十进制数字精度
serial	4字节	自增整数	1 - 2 147 483 647
bigserial	8字节	大范围的自增整数	1 - 9 223 372 036 854 775 807

2.字符类型

类型名称	描述
character varying(n),varchar(n)	变长，有长度限制
character(n),char(n)	定长，不足补空白
text	变长，无长度限制

3.时间类型

类型名称	存储空间	描述	最低值	最高值	时间精度
timestamp[(p)][without time zone]	8字节	日期和时间	4713BC	5874897AD	1毫秒
timestamp[(p)] with time zone	8字节	日期和时间，带时区	4713BC	5874897AD	1毫秒
interval[(p)]	12字节	时间间隔	-178 000 000年	178 000 000年	1毫秒
date	4字节	只用于表示日期	4713BC	5 874 897AD	1天
time[(p)][without time zone]	8字节	只用于表示一日内的时间	00:00:00	24:00:00	1毫秒
time[(p)] with time zone	12字节	只用于表示一日内时间，带时区	00:00:00+1459	24:00:00-1459	1毫秒

常用函数

字符串函数

函数	返回类型	描述	例子	结果
string\|\|string	text	字符串连接
length(string)	int	string中字符的数目	length(‘jose’)	4
position(substring in string)	int	指定的子字符串的位置	position(‘om’in’Tomas’)	3
substring(string[from int][for int])	text	抽取子字符串	substring(‘Thomas’from 2 for 3)	hom
trim([leading\|trailing\|both][characters]from string)	text	从字符串string的开头/结尾/两边删除只包含characters中字符（默认是空白）的最长的字符串	trim(both ‘x’ from ‘xTomxx’)	Tom
lower(string)	text	把字符串转化为小写
upper(string)	text	把字符串转化为大写
overlay(string placing string from int [for int])	text	替换子字符串	overlay(‘Txxxxas’ placing ‘hom’ from 2 for 4)	Thomas
replace(string text,from text,to text)	text	把字符串string中出现的所有子字符串from替换成子字符串to	replace(‘abcdefabcdef’,’cd,’XX’)	abXXefabXXef
split_part(string text, delimiter text,filed int)	text	根据delimiter分隔string返回生成的第field个子字符串（1开始）	split_part(‘abc\|def\|ghi’,’\|’,2)	def

时间函数

函数	返回类型	描述	例子	结果
age(timestamp,timestamp)	interval	减去参数后的”符号化”结果	age(timestamp’2001-04-10’,timestamp’1957-06-13)	43 years 9 mons 27 das
age(timestam)	interval	从current_date减去参数中的日期	age(timestam’1957-06-13)	-
current_date	date	当前的日期	-	-
current_time	time with time zone	当日时间	-	-
current_timestamp	timestamp with time zone	当前事务开始时的事件戳	-	-
date_part(text,timestamp)	double precision	获取子域（等效于extract)	date_part(‘hour’,timestamp’2001-02-16 20:38:40)	20
date_trunc(text,timestamp)	timestamp	截断成指定的精度	date_trunc(‘hour’,timestamp ‘2001-02-16 20:38:40’)	2001/2/16 20:00
extract(field from timestamp)	double precision	获取子域	（同date_part）	（同date_part）
now()	timestampe with time zone	当前事务开始的时间戳	-

使用interval类型可以直接对事件类型进行计算，用来计算时间的加减

数值计算函数

函数	返回类型	描述	例子	结果
abs(x)	(与x相同)	绝对值	-	-
ceil(dp或numeric)\ceiling	(与输入相同)	不小于参数的最小整数	-	-
exp(dp或numeric)	(与输入相同)	自然指数	-	-
ln(dp或numeric)	(与输入相同)	自然对数	-	-
log(dp或numeric)	(与输入相同)	以10 为底的对数	-	-
log(b numeric,x numeric)	numeric	以b为底的对数	-	-
mod(y,x)	(与参数类型相同)	y/x的余数	-	-
pi()	dp	π	-	-
power(a numeric,b numeric)	numeric	a的b次幂	-	-
radians(dp)	dp	把角度转为弧度	-	-
random()	dp	0~1之间的随机数
floor(dp或numeric)	(与输入相同)	不大于参数的最大整数	-	-
round(v numeric,s int)	numeric	圆整为s位小数	round(42.4382,2)	42.44
sign(dp或numeric)	(与输入相同)	参数的符号(-1,0,+1)	sing(-8,4)	-1
sqrt(dp或numeric)	(与输入相同)	平方根	-	-
cbrt(dp)	dp	立方根	-	-
trunc(v numeric,s int)	numeric	截断为s位小数	-	-

其他常用函数

序列号生成函数——generate_series

generate_series(x,y,t)

生成多行数据从x到另外y，步长为t，默认是1

字符串列转行——string_agg

string_agg(str,symbol [order by str])

（按照某字段排序）将str列转行，以symbol分隔

字符串行转列——regexp_split_to_table

…

hash函数——md5，hashbpchar

md5的hash算法精度为128位，返回一个字符串
Hashbpchar的精度是32位，返回一个integer类型

分析函数

开窗函数

聚合函数返回各个分组的结果，开窗函数则为每一行返回结果。

rank()、row_number

grouping sets

如果需要对几个字段的组合进行group ，需要用到grouping sets功能

group sets语法	等价的普通SQL的语法
SELECT C1,C2,SUM(C3)FROM T GROUP BY GROUPING SETS((C1),(C2))	SELECT C1,NULL AS C2,SUM(C3) FROM T GROUP BY T UNION ALL SELECT NULL AS C1,C2,SUM(C3) FROM T GROUP BY YEAR
GROUP BY GROUPING SETS((C1,C2,…Cn))	GROUP BY C1,C2,…,Cn
GROUP BY ROLLUP(C1,C2,…,Cn-1,Cn)	GROUP BY GROUPING SETS((C1,C2,…CCn-1,Cn),(C1,C2,…,Cn-1)…,(C1,C2),(C1),())
GROUP BY CUBE(C1,C2,C3)	GROUP BY GROUPING SETS((C1,C2,C3),(C1,C2),(C1,C3),(C2,C3),(C1),(C2),(C3),())

分区表

Greenplum支持分区表。

可以使用时间分区、Every分区、list分区、

创建分区表

[PARTITION BY partition_type (column)

[SUBPARTITION BY partition_type (column)]

[SUBPARTITION TEMPLATE (template_spec)]

[...]

(partition_spec)

|[SUBPARTITION BY partition_type(column)]

[...]

(partition_spec)

[(subpartition_spec

[(...)]

)]

]

and partition_element is:

DEFAULT PARTITION name

| [PARTITION name] VALUES (list_value[,...])

| [PARTITION name]

START ([datatype] 'start_value') [INCLUSIVE|EXCLUSIVE]

[ END ([datatype] 'end_value') [INCLUSIVE|EXCLUSIVE]

[ EVERY ([datatype] [number|INTERVAL] 'interval_value')]

| [PARTITION name]

END ([DATATYPE] 'end_value') [INCLUSIVE|EXCLUSIVE]

[ EVERY ([datatype] [number|INTERVAL] 'interval_value')]

[ with (partition_storage_parameter=value [,...])]

[ TABLESPACE tablespace]

Tips

通过实验得到：向主表插入数据时，数据会被自动存放至相应的分区表。

也可以直接向分区子表插入符合条件的数据，

当向分区子表插入不符合条件的额数据时，会提示：

[Err] ERROR: Trying to insert row into wrong partition (seg1 hadoop3:40000 pid=6679)

DETAIL: Expected partition: test_partition_range_1_prt_p20111231, provided partition: test_partition_range_1_prt_p20111230

删除主表是会自动删除关联的分区表

Examples

按时间分区

create table public.test_partition_range(

id numeric,

name character varying(32),

dw_end_date date

)Distributed by (id)

PARTITION BY range(dw_end_date)

(

PARTITION p20111230 START ('2011-12-30'::date) END ('2011-12-31'::date),

PARTITION p20111231 START ('2011-12-31'::date) END ('2012-01-01'::date)

);

在各自的分区表中插入数据,总表中会有显示.删除总表后,分区表直接删除

使用Every分区

create table test.test_partition_every(

id numeric,

name character varying(32),

dw_end_date date

) distributed by(id)

partition by range(dw_end_Date)

(

partition p201112 start('2011-12-1'::date) end ('2011-12-31'::date)

every ('1 days'::interval)

);

使用interval类型可以直接对事件类型进行计算，用来计算时间的加减

使用list分区

create table test.test_partition_list(

member_id numeric,

city character varying(32)

)distributed by (member_id)

partition by list(city)

(

partition guangzhou values('guangzhou'),

partition hangzhou values('hangzhou'),

default partition other_city

);

修改分区表

ALTER DEFAULT PARTITION

DROP DEFAULT PARTITION [IF EXISTS]

DROP PARTITION [IF EXISTS] {

partition_name

| FOR (RANK(number))

| FOR (value)

}

[CASCADE]

TRUNCATE DEFAULT PARTITION

TRUNCATE PARTITION {

partition_name

| FOR (RANK(number))

| FOR (value)

}

RENAME DEFAULT PARTITION TO new_partition_name

RENAME PARTITION {

partition_name

| FOR (RANK(number))

| FOR (value)

}

TO new_partition_name

ADD DEFAULT PARTITION NAME [(subpartition_spec)]

ADD PARTITION [name] partition_element

[(subpartition_spec)]

EXCHANGE PARTITION {

partition_name

| FOR (RANK(number))

| FOR (value)

} WITH TABLE TABLE_NAME

[WITH|WITHOUT VALIDATION]

EXCHANGE EFAULT PARTITION WITH TABLE TABLE_NAME

[WITH|WITHOUT VALIDATION]

SET SUBPARTITION TEMPLATE (subpartition_spec)

SPLIT DEFAULT PARTITION {

AT (list_value)

|START([datatype] range_value) [INCLUSIVE|EXCLUSIVE]

END ([datatype]) range_value) [INCLUSIVE|EXCLUSIVE]

}

[INTO (PARTITION new_partition_name,

PARTITION default_partition_name)]

SPLIT DPARTITION {

partition_name

| FOR (RANK(number))

| FOR (value)

} AT(value)

[INTO (PARTITION partition_name, PARTITION partition_name]

新增分区

alter table test.test_partition_every add partition p20120105_6

start ('2012-01-05'::date) END ('2012-01-07'::date);

drop/truncate分区

alter table test.test_partition_every drop partition p20120105_6;

alter table test.test_partition_every truncate partition p20120105_6;

拆分分区

alter table test.test_partition_every split partition p20120105_6

at(('2012-01-06'::date)) into (partition p20120105,partition p20120106);

交换分区

alter table test.test_partition_every exchange partition p20120102 with table test.test_on_partition;

外部表

Greenplum在数据加载上有一个明显的优势，就是支持数据并发加载，gpfdist就是并发加载的工具，在数据库中对应的就是外部表。

外部表就是一张表的数据是指向数据库之外的数据文件的。在Greenplum中，可以对一个外部表执行正常的DML操作，当读取数据的时候，数据库就从数据文件中加载数据。外部表支持在Segment上并发的告诉从gpfdist导入数据，由于是直接从Segment上导入数据，所以效率非常高。

创建外部表

CREATE [READABLE] EXTERNAL TABLE TABLE_NAME

(column_name data_type [,...] | LIKE other_table)

LOCATION ('file://seghost[:port]/path/file' [,...])

| ('gpfdist://filehost[:port]/file_pateern' [,...])

| ('gphdfs://hdfs_host[:port]/path/file')

FORMAT 'TEXT'

[( [HEADER]

[DELIMITER [AS] 'delimeter' | 'OFF']

[NULL [AS] 'null string']

[ESCAPTE [AS] 'escape'|'OFF']

[NEWLINE [AS] 'LF'|'CR'|'CRLF']

[FILL MISSING FIELDS] )]

| 'CSV'

[( [HEADER]

[QUOTE [AS] 'quote']

外部表需要指定gpfdist的IP和端口，详细目录地址。其中文件名支持通配符匹配。
可以编写多个gpfdist的地址，但是不能超过总的Segment数，否则会报错。在创建外部表的时候可以指定分隔符、err表、指定允许出错的数据条数，以及源文件的字符编码等。

外部表还支持本地文本文件的导入，效率较低，不建议使用。
外部表还支持HDFS的文件操作。

启动gpfdist及创建外部表

首先在文件服务器上启动gpfdist服务，指定文件目录及端口

nohup $GPHOME/bin/gpfdist -d /home/admin -p 8888 > /tmp/gpfdist.log 2>&1 &

nohup保证程序在Server端执行，当前会话关闭后，程序仍然正常运行

nohup是Unix/Linux中的一个命令，普通进程通过&符号放到后台运行，如果启动该程序的额控制台退出，则该进程终止。nohup命令启动程序，则在控制台退出后，进程仍然继续运行，起到守护进程额作用。

准备好需要加载的数据文件，将其放在外部表文件及其的、home/admin/目录或该目录的子目录下，在Greenplum中创建对应的外部表

create external table test.test001_ext(

id integer,

name varchar(128)

)

location (

'gpfdist://10.20.151.11:8888/gpextdata/test001.txt'

)

format 'TEXT' (delimiter as E'|' null as '' escape 'OFF')

encoding 'gb18030' log errors into test.test001_err segment reject limit 10rows;

3.外部表查询及数据加载

testDB=# select * from public.test001_ext

COPY命令

使用COPY命令可以实现将文件导出和导入，但是要通过Master，效率没有外部表高，但是在数据量比较小的情况下，COPY命令比外部表要方面很多。

COPY table [(colum [, ...]) ] FROM {'file'|STDIN}

[ [WITH]

[OIDS]

[HEADER]

[DELIMITER [AS] 'delimeter']

[NULL [AS] 'null string']

[ESCAPE [AS] 'escape' | 'OFF']

[NEWLINE [AS] 'LF'|'CR'|'CRLF']

[CSV [QUOTE [AS] 'quote']

[FORCE NOT NULL column [,...]]

[FILL MISSING FIELDS]

[ [LOG ERRORS INTO error_table] [KEEP]

SEGMENT REJECT LIMIT count [ROWS|PERCENT]]

COPY {table [(column [,...])] |(query) } TO {'file'|STDOUT}

[ [WITH]

[OIDS]

[HEADER]

[DELIMIETER [AS] 'delimeter']

[NULL [AS] 'null string']

[ESCAPE [AS] 'escape'|'OFF']

[CSV [QUOTE [AS] 'quote']

[FORCE QUOTE column [,...]]]

Greenplum 4.x中引入了可写外部表，在导出数据的时候可以用可写外部表并发导出，性能很好。但在Greeplum3.x版本中，导出数据只能通过COPY命令实现，数据在Master上汇总导出。

如果需要将数据远程导出到其他机器上，可以使用copy to stdout，远程执行psql连接到数据库上，然后通过管道将数据重定向成文件。

12 GP的存储过程

Greenplum支持SQL/PYTHON/PERL/C语言构建函数，以下着重介绍SQL 存储过程。

一个存储过程就是一个事务，包括对子过程的调用都在一个事务内

存储过程结构：

CREATE FUNCTION somefunc() RETURNS integer AS $$

DECLARE

quantity integer := 30;

BEGIN

RETURN ....;

END;

$$ LANGUAGE plpgsql;

赋值

给一个变量或行/记录赋值用下面方法：identifier := expression

例子：user_id := 20;

执行一个没有结果的查询: PERFORM query;

一个例子：

PERFORM create_mv('cs_session_page_requests_mv', my_query);

动态SQL

EXECUTE command-string [INTO [STRICT] target];

SELECT INTO

Example：SELECT ID INTO VAR_ID FROM TABLEA

获取结果状态

GET DIAGNOSTICS variable = item [, ...];

一个例子：

·GET DIAGNOSTICS integer_var = ROW_COUNT;

SQL返回变量

SQLERRM， SQLSTATE

控制结构

IF ... THEN ... ELSEIF ... THEN ... ELSE

LOOP, EXIT, CONTINUE, WHILE, FOR

从函数返回

有两个命令可以用来从函数中返回数据：RETURN 和 RETURN NEXT 。

Syntax：RETURN expression;

设置回调

EXEC SQL WHENEVER condition action;

condition 可以是下列之一：

SQLERROR，SQLWARNING，NOT FOUND

异常处理

EXCEPTION WHEN unique_violation

THEN

-- do nothing

END;

忽略错误：

EXCEPTION WHEN OTHERS THEN

RAISE NOTICE 'an EXCEPTION is about to be raised';

RAISE EXCEPTION 'NUM:%, DETAILS:%', SQLSTATE, SQLERRM;

END;

错误和消息

RAISE level 'format' [, expression [, ...]];

Level:

Info:信息输入

Notice:信息提示

Exception:产生一个例外，将退出存储过程

Example: RAISE NOTICE 'Calling cs_create_job(%)', v_job_id;