Greenplum的分布式架构方案MPP对于海量数据处理还是很给力的，今天专门抽时间搭建了一下测试环境。
首先来简单看下Greenplum的架构，这个和Oracle,MySQL还是大不同。
它里面几乎糅括了所有的主从角色概念，比如GP节点就类似于一个集群分发器，是有standby的角色的，数据节点是segment,是有primary和mirror做为互备高可用的。
限于环境情况，我用了3台虚拟机来模拟这个集群。
其中gp01是GP计算节点，gp02,gp03是segment和mirro节点。
192.168.206.129 gp01
192.168.206.128 gp02
192.168.206.130 gp03
GP节点的standby在gp02上面。
部署的时候我用了4个segment.
所以gp02上面的结构是这样的：
primary1
primary2
mirror1
mirror2
gp_standby
gp03的结构是这样的：
primary3
primary4
mirror3
mirror4
搭建GP的过程其实还是有点曲折的，但是技术点其实不是很多，回过头来看复杂度其实还好。
我们需要创建GP的标准用户，比如gpadmin
groupadd gpadmin
useradd -g gpadmin gpadmin
passwd gpadmin
为了能够在各个节点上面做到适配和统一，每个节点都可以建立一套统一的目录结构，比如：
cd /data
mkdir -p /data/greenplum_data/{gpmaster,gpdatap1,gpdatap2,gpdatap3,gpdatap4,gpdatap5,gpdatap6,gpdatam1,gpdatam2,gpdatam3,gpdatam4,gpdatam5,gpdatam6}
chown -R gpadmin:gpadmin /data/greenplum_data/
需要注意的是主机的配置，这里建议是使用主机名的方式，避免是IP的方式。
cat /etc/hosts
192.168.206.129 gp01
192.168.206.128 gp02
192.168.206.130 gp03
前期的基本准备就差不多这些，比如内核参数，比如安装包等先略过了。
值得一提的是两个工具gpssh和gpscp，是用Python实现的，可以简单封装一下，就能拿过来自己用了。在部署的时候还是很清晰的。
gpssh
gpscp
还有一点不错的就是GP的安装自带了一个配置文件，这个确实很省事。
source /usr/local/greenplum-db/greenplum_path.sh
软件的部署就是解压的过程，没什么可说的了。
说下创建数据库吧。
初始化几个变量：
export MASTER_DATA_DIRECTORY=/data/greenplum_data/gpmaster
export PGPRORT=5432
export PGDATABASE=testDB
核心就是配置文件 init_seg_mirror_config了，内容如下：
ARRAY_NAME="Greenplum"
MACHINE_LIST_FILE=/usr/local/greenplum-db/config/seg_hosts
SEG_PREFIX=gpseg
PORT_BASE=33000
declare -a DATA_DIRECTORY=(/data/greenplum_data/gpdatap1 /data/greenplum_data/gpdatap2 )
MASTER_HOSTNAME=gp01
MASTER_DIRECTORY=/data/greenplum_data/gpmaster
MASTER_PORT=5432
TRUSTED_SHELL=ssh
CHECK_POINT_SEGMENTS=8
ENCODING=UTF-8
MIRROR_PORT_BASE=43000
REPLICATION_PORT_BASE=34000
MIRROR_REPLICATION_PORT_BASE=44000
declare -a MIRROR_DATA_DIRECTORY=(/data/greenplum_data/gpdatam2 /data/greenplum_data/gpdatam1)
DATABASE_NAME=testDB
安装使用如下的方式即可。
gpinitsystem -c ./init_seg_mirror_config --locale=C --max_connections=48 --su_password=gpadmin -s gp02