Greenplum要做数据库的超级引擎

　　数据库市场历来是厂商的必争之地，几大软件厂商来都有相关的产品。但是，对于用户而言，现在的问题不是数据库不能用，而是数据库中的数据越来越多。在如今重视分析处理数据的行业市场中，该如何迅速有效的将数据提炼出来？

　　中国一家上市网络公司，定期会向股东提交财务报表，但是由于数据量巨大，往往到了提交报告的前一天晚上才能把数据分析出来，这给该公司的财务部门和IT部门带来很大压力。

　　不过，后来该公司采用了Greenplum公司的数据仓库解决方案之后，从以往的65小时提取数据缩短到了48分钟，为数据分析工具留出了充足的时间。

　　Greenplum公司成立于2003年，并于2008年12月进入中国市场，2010年1月开始独立运营。公司成立的头三年内，一直在开发产品，而非开拓市场，等产品投向市场后，迅速赢得了诸如Ebay、纳斯达克，纽约证券交易所等重量级的用户，在数据分析市场占据了一席之地。

　　Greenplum大中华区总裁Stanley Chew丰富的IT从业经历，了解很多的用户需求。他认为，向用户提供高性能的超级数据引擎，并将强大的并行计算能力融入到大规模数据仓库分析领域中，这是Greenplum公司的即将做的，也是公司的强项。

　　为什么Greenplum在中国市场进入一年多，就能赢得中信实业银行、东方航空公司、阿里巴巴等大公司的青睐？Chew认为，这些大公司在行业中发展速度快，数据增长快，很看重数据分析软件。而市场中大部分的BI分析软件和数据库管理软件的通病是，对数据的管理能力很弱，往往提取、整合数据的时间比分析数据的时间还要长。

　　传统的OLTP（On-Line Transaction Processing，联机事务处理系统）数据库在TB级别以上数据管理中已经是捉襟见肘，采取MPP（Massively Parallel Processing）架构的数据库系统才能对海量数据进行管理。而Greenplum的做法是，将来自不同源系统的、不同部门、不同平台的数据集成到数据库中集中存放，利用强大并行处理能力提供并发支持。

　　Greenplum的MPP采用并行处理架构，在MPP架构中增加节点就可以线性提高系统的存储容量和处理能力。Greenplum在扩展节点时操作简单，在很短时间内就能完成数据的重新分布。数据处理请求会被拆分为N个节点并行处理，就如蚂蚁搬家那样，每一个节点处理一部分数据的提取和整合，再归纳到成BI工具“可以读懂”的数据仓库，从而缩短了数据提取的时间。

　　Stanley Chew说，Greenplum不做数据仓库，也不做数据分析，它们只做数据“提取和整合”，通过准实时、实时的数据加载方式，实现数据仓库的实时更新，进而实现动态数据仓库（ADW）。基于动态数据仓库，业务用户能对当前业务数据进行BI实时分析-“Just In Time BI”，能够让企业敏锐感知市场的变化，加快决策支持反应速度。