2.1　Greenplum的前世今生

Greenplum数据库是基于MPP架构的开源大数据平台，具有良好的弹性和线性扩展能力，内置并行存储、并行通信、并行计算和并行优化功能，兼容SQL标准，具有强大、高效的PB级数据存储、处理和实时分析能力，同时支持涵盖OLTP型业务的混合负载，可部署于企业裸机、容器、私有云和公有云中，已为全球金融、电信、制造等行业核心生产系统提供支撑。

Greenplum出现于2002年左右，和Hadoop是同一时期的产物。（Hadoop诞生于2004年前后，早期的Nutch项目可追溯到2002年。）当时，互联网大潮刚刚兴起，数据呈爆发式增长，企业迫切需要一种海量数据的解决方案。业界认识到通过纵向扩展机器性能已经到达了瓶颈，横向扩展的分布式并行计算技术成为了业内共识。

当时，开放的x86服务器技术已经可以很好地支持商用，借助高速网络（当时是千兆以太网）组建的x86集群在整体上提供的计算能力已大幅高于传统SMP主机，并且成本明显低于SMP主机，横向扩展还给系统带来了良好的成长性。于是衍生出了两种基于x86集群实现的并行计算框架，即后来的MapReduce计算框架和MPP计算框架。Greenplum正是在这一背景下基于MPP计算框架（包括分布式存储和并行计算）的软件实现。

和其他计算机专有名称一样，Greenplum这个名字背后也有一个故事：Greenplum创始人的家门口有一棵青梅树（greenplum）。Greenplum的创始团队聚集了十几位业界大咖（来自Google、Yahoo、IBM和Teradata）。他们耗费一年多的时间完成了最初版本的设计和开发，用软件实现了在开放x86平台上的分布式并行计算。Greenplum不依赖于任何专有硬件，性能却远远超过传统造价高昂的专有系统。

Greenplum数据库最核心的组件就是Interconnect，它使得Greenplum实现了对同一个集群中多个PostgreSQL实例的高效协同和并行计算。Interconnect承载了并行查询计划的生成和分发、协调数据节点上查询引擎的并行工作，以及数据分布、Pipeline计算、镜像复制、健康探测等任务。

Greenplum的数据库引擎基于著名的开源数据库PostgreSQL。我们先简单介绍一下PostgreSQL的发展历程，这有助于我们理解为什么60%以上的MPP架构都选择PostgreSQL作为底座。

PostgreSQL是一个功能强大、源代码完全开放的客户/服务器关系型数据库管理系统（RDBMS）。Postgres DBMS的实现始于1986年，当时被叫作Berkley Postgres Project，由Michael Stonebraker教授领导。该项目一直到1994年都处于演进和修改中，直到开发人员Andrew Yu和Jolly Chen为其添加了一个SQL翻译程序，该版本为Postgres95，在开源社区发布。1996年，开源团队再次对Postgres95做了较大的改动，并作为PostgreSQL 6.0版发布。该版本提高了数据库的读写速度，包括增强型SQL92标准以及重要的后端特性（包括子选择、默认值、约束和触发器）。此后，PostgreSQL开始持续稳定地发布新版本，在新版本中做了很多改进。2005年1月19日，PostgreSQL 8.0发布，从这个版本开始，PostgreSQL以原生的方式（即不需要模拟中间层的支持）支持Windows操作系统。

自Michael Stonebraker教授开始，越来越多的数据库专家和优秀的黑客为PostgreSQL的发展做出了杰出的贡献，使PostgreSQL项目充满活力，不断发展成为如今最好的开源数据库管理系统之一。图2-1所示是PostgreSQL发展的里程碑事件。

图2-1　PostgreSQL发展的里程碑事件

PostgreSQL是与MySQL齐名的开源数据库，虽然早期PostgreSQL性能明显优于MySQL，但是市场份额一直落后于MySQL。MySQL自2015年发布5.7版后，性能大幅提升，才勉强可以和PostgreSQL一决高下。同时，PostgreSQL生态非常好，具备非常强大的SQL功能，还拥有出色的扩展能力，支持Python、C、Perl、TCL、PLSQL等语言来扩展功能，并且PostgreSQL许可是仿照BSD许可模式的，没有被大公司控制，版本和路线控制得非常好，基于PostgreSQL，用户可以拥有更多自主性。

正是基于以上原因，Greenplum创始团队选择PostgreSQL作为数据库引擎。Greenplum公司成立于2003年，于2008年正式发布了Greenplum数据库产品。2010年Greenplum的创始团队被存储领域巨头EMC公司收购。同年，EMC在中国组建了Greenplum研发团队，致力于Greenplum数据库产品的升级迭代和推广使用。2014年，Greenplum数据库从EMC公司独立出来，成为Pivotal公司的产品。

2015年10月，Pivotal公司正式把投资超过10年的Greenplum产品开源，Greenplum成为世界上第一款成熟的开源MPP数据库。开源之后，Greenplum社区非常活跃，短短两年时间，在全球已有来自美国、中国、俄罗斯、日本、英国、德国等国家的大批贡献者，获得了广泛的关注。其中，Greenplum中文社区尤为活跃，不仅有来自阿里云、中国移动等大公司的社区贡献者，也包括诸多中小公司的数据库爱好者。

开源以后，Greenplum团队把敏捷软件开发方法引入分布式数据库的开发中，高效快速地完成产品功能迭代和用户建议反馈，极大地提高了产品质量和用户满意度。2017年3月，Greenplum发布5.0版。Greenplum 5.0是开源之后发布的第一个稳定版本，Greenplum 5.x保持大约1.5个月一个版本的迭代速度。图2-2所示是Greenplum数据库发展的关键历程。

图2-2　Greenplum数据库发展关键历程

Greenplum 6.0于2019年9月正式发布，包含诸多重要特性。例如，Greenplum 6.0的内核升级到PostgreSQL 9.4.20，大幅提升了HTAP（OLAP+OLTP）性能，支持复制表、Zstandard压缩算法、灵活数据分布、基于流复制的全新高可用机制等。此后，Greenplum继续保持高效、快速迭代的方式，陆续发布了多个版本。Greenplum 6.16于2021年5月发布，Greenplum 7.0将于2022年第一季度发布。