為什么要寫這本書
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)管理會計系統(tǒng)。管理會計系統(tǒng)是銀行業(yè)重要的數(shù)據(jù)分析與應(yīng)用系統(tǒng)。在上線管理會計系統(tǒng)之前，銀行業(yè)只能通過簡單的統(tǒng)計報表應(yīng)對各種業(yè)務(wù)統(tǒng)計需求。管理會計系統(tǒng)幫助銀行實現(xiàn)了經(jīng)營數(shù)據(jù)的匯總整合、數(shù)據(jù)質(zhì)量的提升、精細化管理的轉(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)的管理會計系統(tǒng)通常構(gòu)建在數(shù)據(jù)倉庫之上，是一個面向應(yīng)用的數(shù)據(jù)集市，雖然整體架構(gòu)和數(shù)據(jù)倉庫類似，但是系統(tǒng)的數(shù)據(jù)容量略小。早期的管理會計系統(tǒng)都是基于Oracle、DB2、SQL Server實現(xiàn)的。2017年年底，我次接觸到了大數(shù)據(jù)平臺，參與了銀行業(yè)個基于Hadoop平臺的管理會計系統(tǒng)項目建設(shè)。
身為傳統(tǒng)數(shù)據(jù)庫開發(fā)工程師，我在Oracle和DB2數(shù)據(jù)庫上積累的經(jīng)驗在Hive上完全無用武之地。在完成Hive數(shù)據(jù)分析項目的同時，我一邊惡補Hadoop的相關(guān)知識，一邊深入理解Hive執(zhí)行過程和執(zhí)行原理，終于在項目后期掌握了Hive數(shù)據(jù)倉庫的優(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，我仍然很難認可Hive的數(shù)據(jù)倉庫領(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，腳本式的開發(fā)過程和大表關(guān)聯(lián)的性能瓶頸，仍然讓我對Hive很不滿意。
直到有一天，我發(fā)現(xiàn)了Greenplum數(shù)據(jù)庫，才知道分布式數(shù)據(jù)庫其實還有更好的選擇。MPP架構(gòu)作為傳統(tǒng)數(shù)據(jù)庫架構(gòu)設(shè)計的正統(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語言的兼容性問題。
正是基于Greenplum數(shù)據(jù)庫帶給我的驚喜，我才特別想將使用經(jīng)驗分享給大家，從而推動更多企業(yè)使用Greenplum數(shù)據(jù)庫，讓它們用更省錢、更快捷的方式實現(xiàn)企業(yè)級數(shù)據(jù)倉庫和數(shù)據(jù)中臺。
雖然現(xiàn)在ClickHouse和Doris正在崛起，新一代的架構(gòu)可能會超越Greenplum數(shù)據(jù)庫，但是Greenplum數(shù)據(jù)庫勝在生態(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)倉庫的核心數(shù)據(jù)庫（雖然后來被自研產(chǎn)品換掉，但是阿里巴巴當(dāng)時的數(shù)據(jù)體量是很多公司未來10年都不可能達到的），而且這些年來，Greenplum數(shù)據(jù)庫技術(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)倉庫AnalyticDB for PostgreSQL正是基于Greenplum的改進版本。百度云、云也陸續(xù)推出了基于Greenplum的云上數(shù)據(jù)倉庫平臺，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）。這說明各大云廠商都看好MPP架構(gòu)數(shù)據(jù)庫在OLAP領(lǐng)域的應(yīng)用趨勢。這些數(shù)據(jù)倉庫平臺都是基于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可以達到觸類旁通的作用。從主推以Hive為核心的大數(shù)據(jù)平臺到回歸Greenplum生態(tài)，說明云廠商的產(chǎn)品定位在發(fā)生轉(zhuǎn)變。對于廣大中小型企業(yè)，Greenplum才是適合它們的數(shù)據(jù)庫產(chǎn)品。
讀者對象
本書適合以下讀者。
商業(yè)智能分析領(lǐng)域的工程師。Greenplum作為一款簡單易用、性能卓越的OLAP分析數(shù)據(jù)庫，非常適合作為數(shù)據(jù)分析的底層數(shù)據(jù)庫。通過閱讀本書，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進行數(shù)據(jù)分析，進一步提升工作效率。
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)知識點。通過本書，讀者不僅可以學(xué)習(xí)并掌握MPP架構(gòu)的開源數(shù)據(jù)庫，以及PostgreSQL和Greenplum數(shù)據(jù)庫語法，還可以基于Greenplum構(gòu)建完整的數(shù)據(jù)倉庫、數(shù)據(jù)中臺系統(tǒng)。
系統(tǒng)架構(gòu)師。OLAP數(shù)據(jù)庫選型一直是系統(tǒng)架構(gòu)領(lǐng)域的難點，通過本書，讀者可以全面認識Greenplum數(shù)據(jù)庫的優(yōu)點和缺點，從而務(wù)實地在Hadoop和Greenplum中做出明智的選擇。此外，Greenplum會大幅降低開發(fā)成本，提高開發(fā)效率，提升企業(yè)的信息服務(wù)水平。
計算機專業(yè)的高校學(xué)生。如今，很多高校都開設(shè)了數(shù)據(jù)庫和大數(shù)據(jù)相關(guān)的課程，然而Hadoop的復(fù)雜性和不穩(wěn)定性讓入門者膽怯，基于PostgreSQL的MPP數(shù)據(jù)庫Greenplum會是這部分讀者好的選擇。
本書特色
本書結(jié)合數(shù)據(jù)中臺的建設(shè)，從建設(shè)思路、接口實戰(zhàn)、建模實戰(zhàn)到數(shù)據(jù)中臺管理和應(yīng)用，全方位解讀基于Greenplum數(shù)據(jù)庫實現(xiàn)數(shù)據(jù)中臺的過程，并輔之以零售行業(yè)數(shù)據(jù)中臺的案例，深入剖析數(shù)據(jù)中臺建設(shè)的全過程，幫助讀者掌握數(shù)據(jù)中臺的實戰(zhàn)要領(lǐng)。
在行文方面，本書盡可能使用淺顯易懂的語言，并通過大量的演示案例來引導(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知識的理解。
如何閱讀本書
本書內(nèi)容分為4部分。
部分　大數(shù)據(jù)平臺概述（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（第2～4章）：簡單介紹Greenplum數(shù)據(jù)庫的基本原理、安裝與部署、入門操作，幫助讀者認識Greenplum數(shù)據(jù)庫。沒有任何數(shù)據(jù)庫應(yīng)用經(jīng)驗的讀者可以認真學(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)庫的部分高級應(yīng)用功能，包括SQL語法、ETL