Greenplum入门——基础知识、安装、常用函数

本文为博主在学习Greenplum时阅读的《Greenplum企业应用实战》时的笔记，对书中章节的知识要点进行了归纳和梳理。有兴趣的同学可以找原书学习下。如果认为文中内容涉嫌侵权请及时联系博主删除文章。

---

软件安装及数据库初始化

Greenplum架构

Master主机与Segment主机的职责

Master

• 建立与客户端的会话连接和管理
• SQL的解析并形成分布式的执行计划
• 将生成好的执行计划分发到每个Segment上执行
• 收集Segment的执行结果
• 不存储业务数据，只存储数据字典
• 可以一主一备，分布在两台机器上
• 为了提高性能，最好单独占用一台机器

Segment

• 业务数据的存储和存取
• 执行由Master分发的SQL语句
• 对于Master来说，每个Segment都是对等的，负责对应数据的存储和计算
• 每一台机器上可以配置一到多个Segment
• 由于每个Segment都是对等的，建议蚕蛹相同的及其配置
• Segment分primary和mirror两种，一般交错的存放在子节点上

Master和Segment都是一个单独的PostgreSQL数据库。每一个都有自己单独的一套元数据字典。Master节点一般也叫主节点，Segment叫做数据节点。

为了实现高可用，每个Segment都有对应的备节点 Mirror Segment分别存在与不同的机器上。

Client一般只能与Master节点进行交互，Client将SQL发给Master，然后Master对SQL进行分析后再讲其分配给所有的Segment进行操作。

环境搭建

操作系统

Greenplum没有Windows版本，只能安装在类UNIX的操作系统上

数据库存储

Greenplumn极度消耗IO资源，所以对存储的要求比较高。

文件系统的选择上，Linux下建议使用XFS，Solaris建议使用ZFS，对于Raid根据需求选择硬Raid活软Raid，如果需要更大孔家，建议使用Raid5，如果对性能要求更高，可选择Raid1+0.

网络

配置/etc/hosts时，习惯将Master机器叫做mdw，将Segment机器叫做sdw

创建用户及用户组

将原有用户删除

#groupdel gpadmin#userdel gpadmin

安装

1.安装数据库软件

创建新的用户和用户组

#groupadd -g 530 gpadmin#useradd -g 530 -u 530 -m -d /home/gpadmin -s /bin/bash gpadmin

对文件夹赋权，为新用户创建密码

#chown -R gpadmin:gpadmin /home/gpadmin/#passwd gpadminChanging password for user gpadmin.New UNIX password:Retype new UNIX password:

执行unzip命令解压安装文件

unzip greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.zip

为Greenplum软件创建安装目录，并且赋给gpadmin用户权限

mkdir /opt/greenplumchown -R gadmin:gpadmin /opt/greenplum

安装

./greenplum-db-4.1.1.1-build-1-RHEL5-x86_64.bin

安装完成后Greenplum的环境变量已经在greenplum_path.sh中设置了。
引用环境变量配置

source /opt/greenplum/greenplum-db/greenplum_path.sh

2.配置hostlist

[gpadmin@dw-greenplum01 ]$ cat hostlistmdwsdw1sdw2sdw3

seg_hosts只保存segment节点的hostname

[gpadmin@dw-greenplum-1 conf]$ cat seg_hostssdw1sdw2sdw3

3.使用gpssh-exkeys打通所有服务器

使用gpssh-exkeys将所有机器的通道打开，这样就不用输入密码使登陆在每台机器之间跳转了

[gpadmin@dw-greenplum-1 conf]$ gpssh-exkeys -f hostlist

打通所有机器通道后，就可以使用gpssh命令对所有机器进行批量操作了

4.将软件分发到每一台机器上

将安装后的文件打包

tar -cf gp4.1.tar greenplum-db-4.1.1.1/

使用gpscp命令将这个文件复制到每一台机器上

gpscp -f /home/gpadmin/conf/hostlist gp4.1.tar =:/opt/greenplum

使用gpssh命令批量解压文件包

=> cd /opt/greenplum=> tar -xf gp4.1.tar

创建数据库数据目录
- Master目录

=> mkdir -p /home/gpadmin/gpdata/gpmaster

• Primary节点目录

=> mkdir -p /home/gpadmin/gpdata/gpdatap1=> mkdir -p /home/gpadmin/gpdata/gpdatap2

• Mirror节点目录

=> mkdir -p /home/gpadmin/gpdata/gpdatam1=> mkdir -p/home/gpadmin/gpdata/gpdatam2

Gpmaster目录保存Master的数据，么个机器上的gpdatap1、gpdatap2分别对应这个机器上的两个主数据节点目录，gpdatam1、gpdatam2对应备数据节点目录

5.配置~/.bash_profile

修改环境变量
添加内容

source /opt/greenplum/greenplum-db/greenplum_path.shexport MASTER_DATA_DIRECTORY=/home/gpadmin/gpdata/gpmaster/gpseg-1export PGPORT=2345export PGDATABASE=testDB

6.初始化Greenplum的配置文件

配置文件的模板可以在$GPHOME/docs/cli_help/gpconfigs/目录下找到。gpinitsystem_config文件是初始化Greenplum的模板，在这个模板中，Mirror Segment的配置都被注释掉了，模板中基本初始化数据库的参数都是有的。

# 数据库的代号ARRAY_NAME = "Greenplum"MACHINE_LIST_FILE=/home/gpadmin/conf/seg_hosts# Segment的名称前缀SEG_PREFIX=gpseg# Primary Segment骑士的端口号PORT_BASE=33000# 指定Primary Segment的数据目录declare -a DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatap1 /home/gpadmin/gpdata/gpdatap2)# Master 所在机器的HostnameMASTER_HOSTNAME=mdw# 指定Master的数据目录MASTER_DIRECTORY=/home/gpadmin/gpdata/gpmster# Master的端口MASTER_PORT=2345# Bash版本TRUSTED_SHELL=/usr/bin/ssh# 字符集ENCODING = UNICODE# Mirror Segment起始的端口号MIRROR_PORT_BASE=43000# Primary Segment 主备同步的起始端口号REPLICATION_PORT_BASE=34000#Mirror Segment主备同步的起始端口号MIRROR_REPLICATION_PORT_BASE=44000# Mirror Segment的数据目录declare -a MIRROR_DATA_DIRECTORY=(/home/gpadmin/gpdata/gpdatam1 /home/gpadmin/gpdata/gpdatam2)

7.初始化数据库

使用gpinitsystem脚本初始化数据库

gpinitsystem -c initgp_config -s sdw3

登陆Greenplum默认的数据库postgres

[gpadmin@dw-greenplum-1 ~]$ psql -d postgres

创建数据库

createdb testDB -E utf-8

没有设置PGDATABASE环境变量时，使用psql进行登录，默认的数据库与操作系统用户名一致

设置环境变量，修改默认登陆数据库

[gpadmin@dw-greenplum01 ~]$ export PGDATABASE=testDB[gpadmin@dw-greenplum01 ~]$ psql

数据库启动与关闭

1.启动数据库

Greenplum提供脚本来管理数据库，gpstart是启动数据库的脚本，可以用gpstart -help查看帮助

一般使用

gpstart -a

直接启动数据库

2.关闭数据库

gpstop是关闭数据库的脚本

一般使用

gpstop -a

直接关闭数据库

畅游Greenplum

访问Greenplum

1.psql

psql是Greenplum/PostgreSQL默认的客户端

使用psql远程连接

admin@test1:、home/admin>psql -h 10.20.151.7 -p 2345 -d testDB -U gpadmin

Greenplum有权限控制，并不是所有的及其都可以连接到数据库。如果有其他计算机要登陆Greenplum，先为数据库用户gpadmin创建一个密码，然后在pg_hba.conf文件中增加客户端机器的权限配置，就可以成功登陆了。

testDB=# alter role gpadmin with password 'gpadmin';

在$MASTER_DATA_DIRECTORY/pg_hba.conf文件中增加

host testDB gpadmin 10.20.151.1/32 md5

使配置生效

gpstop -u

2.pgAdmin

…

基本语法

1.获取语法介绍

可以使用 \h 查看GreenPlum支持的所有语法
在psql中使用\h command

testDB=# \h create view

2.CREATE TABLE

与其他数据库不同的地方：
- 在Greenplum中建表时需要指定表的分布键
- 如果表需要用某个字段分区，可以通过partition by将表建成分区表
- 可以使用like操作创建与like的表一样结构的表，功能类似 create table t1 as select * from t2 limit 0
- 可以使用inherits实现表的继承

CREATE [[GLOBAL|LOCAL] {TEMPORARY|TEMP}] TABLE table_name (    [        {            column_name data_type [DEFAULT default_expr]            [column_constraint [...]]            | table_constraint            | LIKE ohter_table [{INCLUDING|EXCLUDING} {DEFAULTS|CONSTRAINTS} ...]        }        [,...]    ]...)[INHERITS (parent_table [,...])][WITH (storage_parameter=value [,...])[ON COMMIT {PRESERVE ROWS|DELETE ROWS|DROP}][TABLESPACE tablespace][DISTRIBUTED BY (column,[...]) | DISTRIBUTED RANDOMLY][PARTITION BY partition_type (column)    [SUBPARTITION BY partition_type (column)]        [SUBPARTITION TEMPLATE (template_spec)]    [...]    (partition_spec)        |[SUBPARTITION BY partition_type(column)]         [...]    (partition_spec)        [(subpartition_spec            [(...)]        )]]

Greenplum是一个分布式数据库，有两种数据分布策略：
1. Hash分布。指定一个活多个分布键，计算hash值，并且通过hash值路由到特定的Segment节点上，语法为Distributed by(…)。如果不指定分布键，默认将第一个字段作为分布键。
2. 随机分布，也叫平均分布。数据随机分散在每一个节点中，这样无论数据是什么内容，都可以平均分布在每个节点上，==但是在执行SQL的过程中，关联等操作都需要将数据重分布，性能较差。==语法为在表字段定义的后面加上Distributed randomly

采用随机分布策略的表默认将主键或唯一键作为分布键，因为每一个Segment都是一个单一的数据库，单个的数据库可以保证唯一性，多个数据库节点就无法保证全局的跨库唯一性，故只能按照唯一键分布，同一个值的数据都在一个节点上，以此来保证唯一性。

==如果指定的分布键与主键不一样，那么分布键会被更改为主键。==

使用like创建的表，只是表结构会与原表一模一样，表的一些特殊属性并不会一样，例如亚索、只增 appendonly等。如果不指定分布键，则默认分布键与原表相同。

3.SELECT

SELECT语句的基本语法跟其他数据库类似，也有自己的一些特性，例如分页采用offset加limit操作

SELECT可以不用指定From字句，如执行函数、进行一些简单的科学计算等。

如果不加order by字句，查询的结果中，数据的顺序是不能够保证的。

4.create table as 与 select into

create table as 与 select into 有一样的功能，都可以使表根据直接执行SELECT的结果创建出一个新的表，这个在临时分析数据的时候十分方便。例如，在创建一个表的时候如果默认不指定分布键，那么Greenplum根据执行SELECT得到的结果集来选择，不用再次分重分布数据的字段作为表的分布键。

也可以手动加入distributed关键字，指定分布键，这样数据就会根据指定分布键再建表。

select into的语法比create table as更简单，虽然功能一样，但是执行select into不能指定分布键，只能使用默认的分布键。

5.explain

explain用于查询一个表的执行计划。

testDB=# explain select * from test1 x,test2 y where x.id=y.id;

6.insert/update/delete

insert

在执行insert语句的时候，注意分布键不要为空，否则分布键默认会变成null，数据都被保存在一个节点上，造成数据分布不均。

可以批量操作

testDB=# insert into test001 values(100,'tom'),(101,'lily');

update

不能批量对分布键执行update，因为对分布键执行update需要将数据重分布，Greenplum暂时不支持这个功能。

delete

Greenplum 3.x版本中，如果delete操作涉及子查询，并且子查询的结果还会涉及数据重分布，这样的删除语句会报错。

对整张表执行Delete较慢，有此需求时建议使用truncate

7.truncate

与oracle一样，执行truncate直接删除表的物理文件，然后创建新的数据文件。truncate操作比delete操作在性能上有非常大的提升，当前如果有sql正在操作这张表，那么truncate操作会被锁住，知道表上面的所有锁被释放

常用数据类型

Greenplum的数据类型基本与PostgreSQL的一样。

1.数值类型

类型名称 存储空间 描述 范围 smallint 2字节 小范围整数 -32 768~+32 767 integer 4字节 常用的整数 -2 147 483 648~+2 147 483 647 bigint 8字节 大范围的整数 -9 223 372 036 854 775 808~9 223 372 036 854 775 807 decimal 变长 用户声明精度，精确 无限制 numeric 变长 用户声明精度，精确 无限制 real 4字节 变精度，不精确 6位十进制数字精度 double precision 8字节 变精度，不精确 15位十进制数字精度 serial 4字节 自增整数 1 - 2 147 483 647 bigserial 8字节 大范围的自增整数 1 - 9 223 372 036 854 775 807

2.字符类型

类型名称 描述 character varying(n),varchar(n) 变长，有长度限制 character(n),char(n) 定长，不足补空白 text 变长，无长度限制

3.时间类型

类型名称 存储空间 描述 最低值 最高值 时间精度 timestamp[(p)][without time zone] 8字节 日期和时间 4713BC 5874897AD 1毫秒 timestamp[(p)] with time zone 8字节 日期和时间，带时区 4713BC 5874897AD 1毫秒 interval[(p)] 12字节 时间间隔 -178 000 000年 178 000 000年 1毫秒 date 4字节 只用于表示日期 4713BC 5 874 897AD 1天 time[(p)][without time zone] 8字节 只用于表示一日内的时间 00:00:00 24:00:00 1毫秒 time[(p)] with time zone 12字节 只用于表示一日内时间，带时区 00:00:00+1459 24:00:00-1459 1毫秒

常用函数

字符串函数

函数 返回类型 描述 例子 结果 string||string text 字符串连接 length(string) int string中字符的数目 length(‘jose’) 4 position(substring in string) int 指定的子字符串的位置 position(‘om’in’Tomas’) 3 substring(string[from int][for int]) text 抽取子字符串 substring(‘Thomas’from 2 for 3) hom trim([leading|trailing|both][characters]from string) text 从字符串string的开头/结尾/两边删除只包含characters中字符（默认是空白）的最长的字符串 trim(both ‘x’ from ‘xTomxx’) Tom lower(string) text 把字符串转化为小写 upper(string) text 把字符串转化为大写 overlay(string placing string from int [for int]) text 替换子字符串 overlay(‘Txxxxas’ placing ‘hom’ from 2 for 4) Thomas replace(string text,from text,to text) text 把字符串string中出现的所有子字符串from替换成子字符串to replace(‘abcdefabcdef’,’cd,’XX’) abXXefabXXef split_part(string text, delimiter text,filed int) text 根据delimiter分隔string返回生成的第field个子字符串（1开始） split_part(‘abc|def|ghi’,’|’,2) def

时间函数

函数 返回类型 描述 例子 结果 age(timestamp,timestamp) interval 减去参数后的”符号化”结果 age(timestamp’2001-04-10’,timestamp’1957-06-13) 43 years 9 mons 27 das age(timestam) interval 从current_date减去参数中的日期 age(timestam’1957-06-13) - current_date date 当前的日期 - - current_time time with time zone 当日时间 - - current_timestamp timestamp with time zone 当前事务开始时的事件戳 - - date_part(text,timestamp) double precision 获取子域（等效于extract) date_part(‘hour’,timestamp’2001-02-16 20:38:40) 20 date_trunc(text,timestamp) timestamp 截断成指定的精度 date_trunc(‘hour’,timestamp ‘2001-02-16 20:38:40’) 2001/2/16 20:00 extract(field from timestamp) double precision 获取子域 （同date_part） （同date_part） now() timestampe with time zone 当前事务开始的时间戳 - -

使用interval类型可以直接对事件类型进行计算，用来计算时间的加减

数值计算函数

函数 返回类型 描述 例子 结果 abs(x) (与x相同) 绝对值 - - ceil(dp或numeric)\ceiling (与输入相同) 不小于参数的最小整数 - - exp(dp或numeric) (与输入相同) 自然指数 - - ln(dp或numeric) (与输入相同) 自然对数 - - log(dp或numeric) (与输入相同) 以10 为底的对数 - - log(b numeric,x numeric) numeric 以b为底的对数 - - mod(y,x) (与参数类型相同) y/x的余数 - - pi() dp π - - power(a numeric,b numeric) numeric a的b次幂 - - radians(dp) dp 把角度转为弧度 - - random() dp 0~1之间的随机数 floor(dp或numeric) (与输入相同) 不大于参数的最大整数 - - round(v numeric,s int) numeric 圆整为s位小数 round(42.4382,2) 42.44 sign(dp或numeric) (与输入相同) 参数的符号(-1,0,+1) sing(-8,4) -1 sqrt(dp或numeric) (与输入相同) 平方根 - - cbrt(dp) dp 立方根 - - trunc(v numeric,s int) numeric 截断为s位小数 - -

其他常用函数

序列号生成函数——generate_series

generate_series(x,y,t)

生成多行数据从x到另外y，步长为t，默认是1

字符串列转行——string_agg

string_agg(str,symbol [order by str])

（按照某字段排序）将str列转行，以symbol分隔

字符串行转列——regexp_split_to_table

…

hash函数——md5，hashbpchar

md5的hash算法精度为128位，返回一个字符串
Hashbpchar的精度是32位，返回一个integer类型

分析函数

开窗函数

聚合函数返回各个分组的结果，开窗函数则为每一行返回结果。

rank()、row_number

grouping sets

如果需要对几个字段的组合进行group 不用，需要用到grouping sets功能

group sets语法 等价的普通SQL的语法 SELECT C1,C2,SUM(C3)FROM T GROUP BY GROUPING SETS((C1),(C2)) SELECT C1,NULL AS C2,SUM(C3) FROM T GROUP BY T UNION ALL SELECT NULL AS C1,C2,SUM(C3) FROM T GROUP BY YEAR GROUP BY GROUPING SETS((C1,C2,…Cn)) GROUP BY C1,C2,…,Cn GROUP BY ROLLUP(C1,C2,…,Cn-1,Cn) GROUP BY GROUPING SETS((C1,C2,…CCn-1,Cn),(C1,C2,…,Cn-1)…,(C1,C2),(C1),()) GROUP BY CUBE(C1,C2,C3) GROUP BY GROUPING SETS((C1,C2,C3),(C1,C2),(C1,C3),(C2,C3),(C1),(C2),(C3),())

分区表

Greenplum支持分区表。

可以使用时间分区、Every分区、list分区、

创建分区表

[PARTITION BY partition_type (column)    [SUBPARTITION BY partition_type (column)]        [SUBPARTITION TEMPLATE (template_spec)]    [...]    (partition_spec)        |[SUBPARTITION BY partition_type(column)]         [...]    (partition_spec)        [(subpartition_spec            [(...)]        )]]and partition_element is:DEFAULT PARTITION name| [PARTITION name] VALUES (list_value[,...])| [PARTITION name]    START ([datatype] 'start_value') [INCLUSIVE|EXCLUSIVE]    [ END ([datatype] 'end_value') [INCLUSIVE|EXCLUSIVE]    [ EVERY ([datatype] [number|INTERVAL] 'interval_value')]| [PARTITION name]    END ([DATATYPE] 'end_value') [INCLUSIVE|EXCLUSIVE]    [ EVERY ([datatype] [number|INTERVAL] 'interval_value')]    [ with (partition_storage_parameter=value [,...])]    [ TABLESPACE tablespace]

Tips

通过实验得到：向主表插入数据时，数据会被自动存放至相应的分区表。
也可以直接向分区子表插入符合条件的数据，
当向分区子表插入不符合条件的额数据时，会提示：
[Err] ERROR: Trying to insert row into wrong partition (seg1 hadoop3:40000 pid=6679)
DETAIL: Expected partition: test_partition_range_1_prt_p20111231, provided partition: test_partition_range_1_prt_p20111230

删除主表是会自动删除关联的分区表

Examples

按时间分区

create table public.test_partition_range(  id numeric,  name character varying(32),  dw_end_date date,) distributed by(id)PARTITION BY range(dw_end_date)(    PARTITION p20111230 START ('2011-12-30'::date) END ('2011-12-31'::date),    --...);

使用Every分区

create table test.test_partition_every(  id numeric,  name character varying(32),  dw_end_date date) distributed by(id)partition by range(dw_end_Date)(  partition p201112 start('2011-12-1'::date) end ('2011-12-31'::date)  every ('1 days'::interval));

使用list分区

create table test.test_partition_list(  member_id numeric,  city character varying(32))distributed by (member_id)partition by list(city)(  partition guangzhou values('guangzhou'),  partition hangzhou values('hangzhou'),  default partition other_city);

修改分区表

ALTER DEFAULT PARTITIONDROP DEFAULT PARTITION [IF EXISTS]DROP PARTITION [IF EXISTS] {  partition_name  | FOR (RANK(number))  | FOR (value)}[CASCADE]TRUNCATE DEFAULT PARTITIONTRUNCATE PARTITION {  partition_name  | FOR (RANK(number))  | FOR (value)}RENAME DEFAULT PARTITION TO new_partition_nameRENAME PARTITION {  partition_name  | FOR (RANK(number))  | FOR (value)}TO new_partition_nameADD DEFAULT PARTITION NAME [(subpartition_spec)]ADD PARTITION [name] partition_element  [(subpartition_spec)]EXCHANGE PARTITION {  partition_name  | FOR (RANK(number))  | FOR (value)} WITH TABLE TABLE_NAME  [WITH|WITHOUT VALIDATION]EXCHANGE EFAULT PARTITION WITH TABLE TABLE_NAME  [WITH|WITHOUT VALIDATION]SET SUBPARTITION TEMPLATE (subpartition_spec)SPLIT DEFAULT PARTITION {    AT (list_value)  |START([datatype] range_value) [INCLUSIVE|EXCLUSIVE]   END ([datatype]) range_value) [INCLUSIVE|EXCLUSIVE]}[INTO (PARTITION new_partition_name,       PARTITION default_partition_name)]SPLIT DPARTITION {  partition_name  | FOR (RANK(number))  | FOR (value)} AT(value)[INTO (PARTITION partition_name, PARTITION partition_name]

Examples

新增分区

alter table test.test_partition_every add partition p20120105_6start ('2012-01-05'::date) END ('2012-01-07'::date);

drop/truncate分区

alter table test.test_partition_every drop partition p20120105_6;alter table test.test_partition_every truncate partition p20120105_6;

拆分分区

alter table test.test_partition_every split partition p20120105_6at(('2012-01-06'::date)) into (partition p20120105,partition p20120106);

交换分区

alter table test.test_partition_every exchange partition p20120102 with table test.test_on_partition;

外部表

Greenplum在数据加载上有一个明显的优势，就是支持数据并发加载，gpfdist就是并发加载的工具，在数据库中对应的就是外部表。

外部表就是一张表的数据是指向数据库之外的数据文件的。在Greenplum中，可以对一个外部表执行正常的DML操作，当读取数据的时候，数据库就从数据文件中加载数据。外部表支持在Segment上并发的告诉从gpfdist导入数据，由于是直接从Segment上导入数据，所以效率非常高。

创建外部表

CREATE [READABLE] EXTERNAL TABLE TABLE_NAME(column_name data_type [,...] | LIKE other_table)LOCATION ('file://seghost[:port]/path/file' [,...])  | ('gpfdist://filehost[:port]/file_pateern' [,...])  | ('gphdfs://hdfs_host[:port]/path/file')FORMAT 'TEXT'[( [HEADER]   [DELIMITER [AS] 'delimeter' | 'OFF']   [NULL [AS] 'null string']   [ESCAPTE [AS] 'escape'|'OFF']   [NEWLINE [AS] 'LF'|'CR'|'CRLF']   [FILL MISSING FIELDS] )]| 'CSV'[( [HEADER]   [QUOTE [AS] 'quote']

外部表需要指定gpfdist的IP和端口，详细目录地址。其中文件名支持通配符匹配。
可以编写多个gpfdist的地址，但是不能超过总的Segment数，否则会报错。在创建外部表的时候可以指定分隔符、err表、指定允许出错的数据条数，以及源文件的字符编码等。

外部表还支持本地文本文件的导入，效率较低，不建议使用。
外部表还支持HDFS的文件操作。

启动gpfdist及创建外部表

1.

首先在文件服务器上启动gpfdist服务，指定文件目录及端口

nohup $GPHOME/bin/gpfdist -d /home/admin -p 8888 > /tmp/gpfdist.log 2>&1 &

nohup保证程序在Server端执行，当前会话关闭后，程序仍然正常运行

nohup是Unix/Linux中的一个命令，普通进程通过&符号放到后台运行，如果启动该程序的额控制台退出，则该进程终止。nohup命令启动程序，则在控制台退出后，进程仍然继续运行，起到守护进程额作用。

2.

准备好需要加载的数据文件，将其放在外部表文件及其的、home/admin/目录或该目录的子目录下，在Greenplum中创建对应的外部表

create external table test.test001_ext(  id integer,  name varchar(128))location (  'gpfdist://10.20.151.11:8888/gpextdata/test001.txt')format 'TEXT' (delimiter as E'|' null as '' escape 'OFF')encoding 'gb18030' log errors into test.test001_err segment reject limit 10rows;

3.外部表查询及数据加载

testDB=# select * from public.test001_ext

COPY命令

使用COPY命令可以实现将文件导出和导入，但是要通过Master，效率没有外部表高，但是在数据量比较小的情况下，COPY命令比外部表要方面很多。

COPY table [(colum [, ...]) ] FROM {'file'|STDIN}[ [WITH]  [OIDS]  [HEADER]  [DELIMITER [AS] 'delimeter']  [NULL [AS] 'null string']  [ESCAPE [AS] 'escape' | 'OFF']    [NEWLINE [AS] 'LF'|'CR'|'CRLF']  [CSV [QUOTE [AS] 'quote']    [FORCE NOT NULL column [,...]]  [FILL MISSING FIELDS]  [ [LOG ERRORS INTO error_table] [KEEP]     SEGMENT REJECT LIMIT count [ROWS|PERCENT]]COPY {table [(column [,...])] |(query) } TO {'file'|STDOUT}  [ [WITH]    [OIDS]    [HEADER]    [DELIMIETER [AS] 'delimeter']    [NULL [AS] 'null string']    [ESCAPE [AS] 'escape'|'OFF']    [CSV [QUOTE [AS] 'quote']         [FORCE QUOTE column [,...]]]

Greenplum 4.x中引入了可写外部表，在导出数据的时候可以用可写外部表并发导出，性能很好。但在Greeplum3.x版本中，导出数据只能通过COPY命令实现，数据在Master上汇总导出。

如果需要将数据远程导出到其他机器上，可以使用copy to stdout，远程执行psql连接到数据库上，然后通过管道将数据重定向成文件。