阿里云混合云 PostgreSQL 的大规模并行处理

阿里云提供全面的全球云计算服务，帮助您赋能和发展业务。 立即创建账户，即可获得300美元的新用户免费额度。

---

当您拥有海量数据并需要进行数据分析，或有高可用性要求，或需要遵循安全和备份协议时，像阿里云HybridDB for PostgreSQL这样的服务就能派上用场。

该服务将强大的关系型数据库管理系统（RDBMS）提升到了一个全新的水平。本文将介绍如何免费开始使用阿里云HybridDB for PostgreSQL服务。

PostgreSQL

PostgreSQL（也称为Postgres）因多种原因被认为是最高级 的开源数据库。在旧的世界数据库——组织、描述、存储、结构化并允许用户查询数据的系统——中，有几个参与者需要昂贵的许可协议。但也有一些参与者在功能——以及现在，扩展性——之间取得了有趣的平衡。Postgres，在阿里云HybridDB的帮助下，就是其中之一。

Postgres正式是一种RDBMS，这意味着它解决了基于Edgar Codd于1970年发明的关系模型来组织数据的问题。自2005年推出8.0版本以来，它已经发展到涵盖了新的领域——包括一些非结构化数据——现在，在今年推出的10版本中，Postgres提供了

• XML数据类型，允许您将XML文档存储为表的列，查询标签和属性，转换XML格式，以及更多
• JSON数据类型，允许将JSON文档存储为表的列，查询文档，转换JSON格式，添加索引以提高性能，以及更多
• HStore数据类型，意味着您可以在表中定义键值对列
• GIS扩展，为地理空间用例提供专门的数据类型、索引和一堆实用程序
• 基本的全文搜索功能
• 查询并行化

最后一个特别之处在于，它使得本地开发人员（通常是开发环境）能够启动复杂查询，这些查询将被优化为并行运行，充分利用多核处理器的全部功能。但是，当数据量达到TB甚至PB级别时，如何实现同样的事情呢？这就是所谓的Massive Parallel Processing——一种解决方案是使用一个数据库集群，它可以分担负载并提供一个看起来像单个数据库实例的统一接口。

从数据库世界到云

运行数据库集群是一项复杂的任务，通常公司里会有一个特定的角色（更准确地说，一个特定的团队）负责处理这项工作。要提供一个可靠、可扩展且速度极快的服务，您需要处理无数重要的细节和海量子任务。幸运的是，阿里云等公司提供此类服务，您无需成为专家，就可以从零开始配置一个不错的集群。

该 Greenplum开源项目是一个基于PostgreSQL 8.2的大规模并行处理数据库。阿里云HybridDB是提供运行Greenplum并管理安全和备份等任务的云服务提供商之一。有什么优势？

以下是一些优点：

• 自动伸缩
• 简化管理
• 通过虚拟私有云实现环境隔离
• Greenplum基础实现独有的扩展，如JSON和HyperLogLog
• 支持对象存储服务（OSS）
• 支持迁移工具，如pgsql2pgsql（PostgreSQL到PostgreSQL）或mysql2pgsql（MySQL到PostgreSQL）
• 支持SQL-99、SQL-03、SQL-08标准
• 支持 Apache MADlib项目

最后一个特别有趣，因为它通过“针对结构化和非结构化数据的数学、统计和机器学习方法的并行数据实现”扩展了HybridDB for PostgreSQL，这意味着您将能够在本地、数据库内部对数据进行高级分析。

实操

让我们通过在阿里云创建一个账户，并利用他们为新用户提供的300美元（USD）额度来了解这个解决方案。（注册过程很简单，此处不详细介绍。）目的是创建一个实例，该实例是由一组数据库（至少2个）组成的复合体，它们将共享相同的CPU、IO、内存和磁盘资源。（请记住，一个组内的资源分配给同一台物理主机。）转到控制台，然后点击“HybridDB for PostgreSQL”

点击右上角标记为“创建实例”的按钮

选择区域、可用区和实例规格

确认您的订单

几秒钟后，您的实例将被创建。然后，点击行末尾的“管理”链接

我们将通过Internet配置实例访问，因为这只是一个示例。（此设置风险极高，您应避免在您的项目设置中使用。请阅读安全指南，并在配置实例之前与您的IT安全团队合作。）

接下来，点击左侧面板中的“安全控制”链接，然后点击右侧的“添加白名单组”按钮创建一个新的白名单组。将其命名为“internet”，并将白名单设置为“%”（表示任何IP地址）

安全（不当）配置完成后，我们将创建一个新的数据库用户账户。点击左侧面板中的“账户管理”链接，然后点击“创建账户”按钮

填写详细信息。您的密码必须包含大写和小写字母、符号和数字。（如果您忘记密码，可以从控制台重置。）点击“确定”按钮。为了获得实例的Internet地址，点击左侧面板中的“数据库连接”链接，然后点击“申请公网地址”按钮。（再次强调，这不是推荐的做法，因为风险很高。）

现在，我们将使用PgAdmin III作为客户端来测试设置。（您可以使用JDBC、ODBC、PSQL、Python、libpq等。）注册一个新服务器并填写详细信息。特别注意“主机”— yourgpdbaddress.gpdb.rds.aliyuncs.com；“端口”— 在实例详细信息控制台中显示；以及您已配置的“用户名”和“密码”，然后点击“确定”按钮

设置完成后，您可以使用OSS、mysql2pgsql、pgsql2pgsql或其他工具导入数据，然后开始使用。别忘了查看关于Greenplum项目的功能以及阿里云HybridDB for PostgreSQL支持的扩展的文档。

替代方案

有多种方法可以实现大规模并行处理。HybridDB是其中一种，但市场上还提供其他替代方案，如CitusData、Snowflake Cloud Data Warehouse和Amazon Redshift等。如果您有可以从MPP解决方案中受益的用例，请明智地选择您的提供商。

最后的寄语

稍加努力，并阅读一些文档后，使用阿里云HybridDB for PostgreSQL设置一个基本的数据库集群非常简单。控制台和管理服务简单直观。能够通过几次点击设置大规模并行处理解决方案的环境，同时保持与最先进的数据库引擎之一和有用的扩展的兼容性，这确实看起来很有前景，但有些方面还有改进的空间，比如管理工具的本地化和书面文档。拥有更多应对大数据新挑战的替代方案总是好的。

要免费试用阿里云，您可以利用他们当前的300美元免费额度优惠。