GaussDB的相关小知识

1、逻辑集群

• 物理集群： 用户自己创建的集群，用户在创建表前必须先创建逻辑集群。
• 逻辑集群： 调用gs_lcctl工具来创建或使用FI界面逻辑集群功能模块创建。
• 弹性逻辑集群： 逻辑集群之外的DN自动生成，不需要用户手动创建。

     特点：

• 一个物理节点只能属于一个逻辑集群，不属于逻辑集群的节点会自动划分到弹性子集群中。
• 每个CN都可以连接到所有DN，每个CN可以接受多个用户会话
• 只有有权限的用户才能访问特定逻辑集群的数据
•  gs_lcctl：用于命令行的方式创建逻辑集群的工具

    支持逻辑集群及多租户融合管理，逻辑集群之间资源隔离及资源弹性。

2、高斯数据库对大数据的处理

目前面临的痛点和挑战：

• 大量数据存储于HDFS，冷热数据混合查询：数仓本地存储客户较近热数据，大量历史数据归档到HDFS上，在探索式查询下需要冷热数据进行关联查询，如终端云需求；
• HDFS大数据量与GaussDB客户集群处理能力失调：冷数据量会远大于GaussDB本地存储，此时存储GaussDB本地计算能力同数据量的失调，导致查询性能无法忍受；
• 对Spark、Oracle、其他GaussDB数据的零星访问需求：需要访问的数据存在其他Spark、Oracle、 GaussDB环境中，数据迁移成本远高于收益。

     冷数据是不常用数据，历史数据。热数据是常用数据，当前数据。

     解决方案：

• 统一分布式查询计划：优化器对冷热数据统一生成查询执行计划，决定最小化数据扫描、实现scan、agg、Join算子下推，大量减少HDFS资源池及客户VPC间的网络流量；
• 计算资源动态估算与调度：针对SQL成本代价估算，动态申请计算资源，实现共享资源池的统一调度与管理；
• 将分布式OLAP数据分析能力扩展到HDFS中；
• 一个SQL引擎访问多个数据源：支持通过GaussDB的SQL引擎对其他Oracle、Spark、GaussDB的数据的直接访问。

     数据访问包括基于Extension Connector的数据访问和基于Foreign Table的数据访问。

• 基于Extension Connector的数据访问（访问外部数据）。 Extension Connector将SQL语句发送到集群外部的Oracle数据库、Spark和其他GaussDB集群，并在当前库中返回执行结果，实现跨集群处理数据。 关键函数 -- exec_on_extension(text,text)。 第一个参数为Data Source名称，第二个参数为发送的SQL语句。 连接函数exec_on_extension通过标准的unixODBC API，调用相应目标库（Oracle、GaussDB集群和Spark集群）的ODBC驱动程序，进行实时连接，并将SQL语句发送给目标执行，执行完成后返回结果。
• 基于Foreign Table的数据访问（访问内部数据）。 HDFS上原生数据的访问，采用FDW(Foreign Data Wrapper)机制。 操作步骤： 创建Foreign Data Server来定义HDFS数据源的连接信息； 创建Foreign Table，用于在GaussDB数据库内部系统表中，定义对应的HDFS数据源上原生结构化数据表的结构。

3、内存自适应 

      自动调整负载来保证所有查询可以完整执行，避免出现内存分配报错问题。

• 开启内存自适应，enable_dynamic_workload需要设置为on；
• 集群有一个CN会作为中心协调节点(CCN)，用于收集和调度作业执行；
• 管理员用户执行作业不受控制；
• 简单查询作业不应用自适应负载，需要通过max_active_statements来进行上限控制。

      适用场景：

• 开启内存自适应以后，不再需要使用work_mem进行算子内存使用调优，多并发场景会出现语句排队的现象
• 优化器估算不是最优解，依据行数来进行估算会出现语句内存使用量低估或高估的现象。低估时，执行过程当中内存会自动扩展。高估时，会导致系统内存利用不足，排队语句增多，性能无法最优
• 列存分区表导入会消耗比较多内存资源，属于性能敏感场景，不推荐使用
• 简单查询作业： 估算值<32MB；非DML（即非INSERT、UPDATE、DELETE和SELECT）语句

4、GaussDB的基本操作

1）数据对象及数据类型

      database：数据库，可以创建多个不同数据库。

      schema：模式，用于管理多个用户使用同一数据库。允许多个用户使用同一数据库而不相互干扰，可以将数据库对象组织成易于管理的逻辑组，同时便于将第三方应用添加到相应的Schema下而不引起冲突。

      Database和Schema实现业务的隔离，区别在于Database的隔离更加彻底

• 各个Database之间共享资源极少，可实现连接隔离、权限隔离等，Database之间无法直接互访
• Schema隔离的方式共用资源较多，可以通过grant与revoke语法便捷地控制不同用户对各Schema及其下属对象的权限

     表空间类型： 普通表空间：默认为ROW表 HDFS表空间：默认为ORC表

2）基本SQL操作

     GaussDB支持的语法有：

• DDL -- Data Definition Language数据定义语言。 用于定义或修改数据库中的对象。如：表、索引、视图等。 GaussDB不支持CN不完整时进行DDL操作。例如：集群中有1个CN故障时执行新建数据库、表等操作都会失败。
• DML -- Data Manipulation Language数据操作语言。 用于对数据库表中的数据进行操作。如：插入、更新、查询、删除。
• DCL -- Data Control Language数据控制语言。 用来设置或更改数据库用户或角色权限的语句。 授权(Grant)、收回权限(Revoke)、设置默认权限(ALTER DEFAULT PRIVILEGES)。

3）数据导入导出

• 使用COPY命令导入导出数据（数据量少）
• 使用INSERT命令导入数据（数据量少）
• 使用gsql元命令导入数据  gsql -p [port] -d [DB] -U [username] -W [passwd] -f [filename]

      INSERT和COPY方式执行数据导入时，是一个串行执行的过程，导入性能低，因此适用于小数据量的导入。对于大数据量的导入，GaussDB支持通过外表并行导入数据到集群。

4）数据库设计

• 实际业务中，根据需要创建新的Database，不建议直接使用集群默认的postgres数据库；
• 为了适应全球化的需求，使数据库编码能够存储与表示绝大多数的字符，建议创建Database的时候使用UTF-8编码；
• 创建Database时，需要重点关注字符集编码(ENCODING)和兼容性(DBCOMPATIBILITY)两个配置项；
• GaussDB支持Teradata和Oracle两种兼容模式，分别兼容Teradata语法和Oracle语法，不同兼容模式下的语法行为可能有一些差异。
• Database的owner默认拥有该Database下所有对象的所有权限，包括删除权限。删除权限影响较大，请谨慎使用。

5）模式设计

• 从便捷性和资源共享效率上考虑，推荐使用Schema进行业务隔离。
• 建议系统管理员创建Schema和Database，再赋予相关用户对应的权限。

      注意事项：

• 如果该用户不具有sysadmin权限或者不是该Schema的owner，要访问Schema下的对象，需要同时给用户赋予Schema的usage权限和对象的相应权限。
• 如果要在Schema下创建对象，需要授予操作用户该Schema的create权限。
• Schema的owner默认拥有该Schema下对象的所有权限，包括删除权限。删除权限影响较大，请谨慎使用。

6）表设计

     GaussDB有三种表数据存储方式，即行存、列存、ORC存。

     普通表空间：

• ORIENTATION值为COLUMN，则表的数据将以列式存储；
• ORIENTATION值为ROW，则表的数据将以行式存储；
• 若不指定， ORIENTATION默认值为ROW。

     HDFS表空间：表的数据以ORC格式存储。

     分布列的列值应离散分布：

• 保证数据能够均匀分布到各个DN； 例如，考虑选择表的主键为分布列，选择人员信息表中选择身份证号码为分布列。 在没有主键或没有某一列非常离散的情况下，也可以选择多分布列，以保证数据更均匀的分布到各个DN。
• 在满足第一条原则的情况下，尽量不要选取存在常量filter的列；
• 在满足前两条原则的情况，考虑选择查询中连接条件涉及的列为分布列。