序
前　言
第一部分　大數據戰略
第1章　ABC：人工智能、大數據和雲計算 2
1.1　再談雲計算 2
1.1.1　雲計算由南嚮轉為北嚮 2
1.1.2　P層雲的精細化發展 3
1.1.3　大數據係統在雲中部署不斷朝南上移 4
1.2　大數據 5
1.2.1　從CRUD到CRAP 5
1.2.2　MPP（大規模並行計算） 7
1.2.3　大數據係統 8
1.2.4　當大數據遇到雲計算 10
1.3　人工智能 11
1.3.1　模型化方法 12
1.3.2　AI的發展史 14
1.3.3　對AI應用的正確預期 15
1.4　ABC之間的關係 16
1.5　AI和人 18
1.5.1　經驗與邏輯 18
1.5.2　公理化的邏輯係統 21
1.5.3　圖靈機和可計算數 25
1.5.4　認知邊界上的考量 28
第2章　建立基於大數據的高階數字化戰略 32
2.1　基於雲原生應用的數字化戰略 32
2.2　大數據和AI：企業未來的終極
競爭點 34
2.3　大數據戰略的落地 36
2.3.1　大數據和AI人纔 36
2.3.2　AI驅動的開發方法和文化 37
2.3.3　大數據基礎設施的建設 39
2.4　大數據和AI的展望 41
第二部分　大數據平颱
第3章　數據處理平颱的演進 45
3.1　前數據處理時代 45
3.2　早期的電子數據處理 47
3.2.1　電子計算機的齣現 47
3.2.2　軟件 47
3.3　數據庫 49
3.3.1　數據模型 50
3.3.2　數據獨立性和高級數據處理語言 54
3.3.3　數據保護 57
3.3.4　數據庫早期發展過程中的睏境 57
3.4　NoSQL數據庫 58
3.4.1　NoSQL齣現的背景 58
3.4.2　NoSQL産品的共性 60
3.4.3　NoSQL的分類 61
3.5　SQL數據庫的迴歸 62
3.5.1　NoSQL與SQL的融閤 62
3.5.2　Hadoop不等於大數據 63
3.5.3　SQL從未離開 64
3.6　集成數據處理和分析平颱 65
3.6.1　數據類型 65
3.6.2　業務場景 66
3.6.3　集中還是分散 67
3.7　數據平颱的選型 68
3.8　小結 69
第4章　Greenplum數據庫快速入門 72
4.1　Greenplum數據庫的發展和現狀 72
4.2　Greenplum數據庫的特性 73
4.3　Greenplum數據庫的組成 75
4.4　Greenplum數據庫的安裝與部署 76
4.4.1　準備工作 76
4.4.2　安裝Greenplum 77
4.4.3　初始化Greenplum數據庫 80
4.5　Greenplum數據庫的常用操作 82
4.6　Greenplum數據庫的常用命令 83
4.6.1　gpstart 83
4.6.2　gpstop 83
4.6.3　gpstate 83
4.6.4　gpactivatestandby 84
4.6.5　gpconfig 84
4.6.6　gpdeletesystem 84
4.7　小結 85
第5章　Greenplum的架構和核心引擎 86
5.1　Greenplum的架構 86
5.1.1　Greenplum Master 87
5.1.2　Greenplum Segment 87
5.1.3　Greenplum Interconnect 87
5.1.4　Greenplum Standby Master 87
5.1.5　Greenplum Mirror Segment 88
5.2　Greenplum查詢計劃 88
5.2.1　單機查詢計劃 89
5.2.2　並行查詢計劃 90
5.3　Greenplum數據庫查詢處理的過程 95
5.3.1　Greenplum數據庫的主要功能組件 95
5.3.2　Greenplum數據庫查詢的執行流程 96
5.4　小結 97
第6章　從ETL到數據聯邦和數據虛擬化 98
6.1　Greenplum中的ETL 99
6.1.1　PostgreSQL的ETL工具箱 99
6.1.2　GPLOAD 100
6.2　Greenplum的數據聯邦 104
6.2.1　dblink簡介 104
6.2.2　外部錶 107
6.2.3　GPFDIST外部錶 109
6.2.4　可執行外部錶 119
6.2.5　Greenplum的S3外部錶 120
6.2.6　GPHDFS外部錶 127
6.2.7　Spark連接器 129
6.2.8　Gemfire連接器 129
6.3　Greenplum的數據虛擬化框架 130
6.3.1　PXF的架構 130
6.3.2　PXF的環境配置 131
6.3.3　GPHDFS與PXF比較 132
6.4　小結 133
第7章　混閤負載和資源管理 134
7.1　混閤負載的機遇和挑戰 134
7.2　混閤負載的業務和技術要求 136
7.3　資源管理 139
7.4　並發管理 145
7.5　小結 146
第三部分　機器學習與數據分析
第8章　Greenplum中的過程化編程語言 149
8.1　PL/Python 150
8.1.1　PL/Python簡介 150
8.1.2　受信任的過程化編程語言 151
8.1.3　安裝Python包 152
8.1.4　安裝Greenplum數據計算Python包集閤 153
8.1.5　類型轉換 153
8.1.6　PL/Python函數中的數據共享 154
8.2　PL/R 155
8.2.1　PL/R簡介 156
8.2.2　安裝R包 158
8.2.3　安裝Greenplum數據計算R包集閤 158
8.3　PL/Container 158
8.3.1　PL/Container簡介 159
8.3.2　一個簡單的例子 159
8.3.3　PL/Container的基本操作方法 162
8.3.4　PL/Container實踐總結 166
8.3.5　關於PL/Container的開發 167
8.4　小結 167
第9章　MADlib 機器學習庫 168
9.1　MADlib入門 168
9.1.1　MADlib簡介 168
9.1.2　MADlib的特點 169
9.1.3　MADlib與其他機器學習算法庫的比較 172
9.1.4　MADlib的快速安裝 173
9.2　MADlib的架構 174
9.2.1　SQL用戶接口 174
9.2.2　Python驅動函數 175
9.2.3　C++機器學習算法實現 175
9.2.4　C++數據庫抽象層 176
9.3　MADlib應用 177
9.3.1　數據預處理 177
9.3.2　監督學習 178
9.3.3　非監督學習 184
9.3.4　時間序列 187
9.3.5　自定義機器學習算法 188
9.4　小結 191
第10章　Greenplum半結構化文本數據分析 192
10.1　GPText文本分析概述 192
10.1.1　GPText數據提取 192
10.1.2　GPText的文本處理、索引流程和高階分析 193
10.2　GPText內置的全文檢索引擎：Apache SolrCloud 194
10.3　GPText架構：高速並行索引和查詢 195
10.4　數據準備 197
10.5　GPText的使用：簡單的SQL和UDF函數 198
10.6　GPText的安裝 200
10.7　GPText索引 201
10.7.1　創建GPText索引 201
10.7.2　加載GPText索引 204
10.7.3　GPText 增減索引列 205
10.8　GPText簡單查詢 205
10.8.1　GPText 查詢的語法 205
10.8.2　GPText 臨近查詢 206
10.8.3　GPText top查詢 206
10.9　GPText高級查詢 207
10.9.1　GPText Facet 查詢 207
10.9.2　GPText 高亮查詢結果 209
10.10　GPText分區錶查詢 210
10.11　GPText對自然語言處理的支持 211
10.12　GPText定製化索引 213
10.13　GPText管理工具 214
10.14　GPText用於文本挖掘和分析 215
10.15　小結 216
第11章　地理空間數據分析和處理 218
11.1　概述 218
11.1.1　什麼是地理空間數據 218
11.1.2　地理空間數據應用與分析中的挑戰 220
11.2　Greenplum PostGIS 223
11.2.1　Greenplum PostGIS 簡介 223
11.2.2　安裝Greenplum PostGIS 組件 224
11.2.3　第一次使用 227
11.3　Greenplum PostGIS應用實例 228
11.3.1　GIS數據準備 228
11.3.2　使用Greenplum PostGIS空間數據操作符進行GIS數據查詢 230
11.3.3　使用Greenplum PostGIS的UDF進行GIS數據分析 233
11.3.4　柵格數據 235
11.4　小結 239
第12章　Greenplum數據庫與圖計算 240
12.1　圖的概念 240
12.2　圖的應用 241
12.2.1　電子電路設計自動化 241
12.2.2　搜索引擎 242
12.2.3　社交網絡 242
12.3　圖數據的處理 243
12.4　Greenplum對圖數據的支持 244
12.5　MADlib中的圖結構和算法 245
12.5.1　圖的錶示 245
12.5.2　MADlib支持的圖算法 245
12.5.3　MADlib圖算法詳解 246
12.6　小結 277
第四部分　Greenplum的運維和遷移
第13章　Greenplum的監控和管理 281
13.1　監控Greenplum集群的狀態 282
13.1.1　gpstate命令 282
13.1.2　係統錶gp_segment_configuration 283
13.1.3　Segment的故障恢復和再平衡 284
13.1.4　常用的監控命令 287
13.2　管理Greenplum集群 289
13.2.1　參數配置 289
13.2.2　訪問管理 290
13.2.3　統計信息 292
13.2.4　管理錶膨脹 294
13.3　Greenplum指令中心（GPCC） 297
13.3.1　GPCC簡介 297
13.3.2　可視化監控 298
13.3.3　查詢監控和分析 301
13.3.4　工作負載管理 305
13.3.5　監控告警係統 307
13.4　小結 309
第14章　Greenplum數據庫的備份、恢復和遷移 310
14.1　非並行數據庫備份 310
14.2　非並行數據庫恢復 313
14.3　並行數據庫備份 313
14.4　並行數據庫恢復 316
14.5　高效的並行數據庫備份和恢復工具gpbackup/gprestore 317
14.6　新一代Greenplum數據遷移工具GPCOPY 322
14.7　小結 324
第15章　從Oracle遷移到Greenplum 326
15.1　概述 326
15.2　Oracle與Greenplum的架構對比 327
15.2.1　Oracle的主要痛點 329
15.2.2　Greenplum的優勢 330
15.3　從Oracle遷移到Greenplum的流程 331
15.3.1　遷移場景 332
15.3.2　遷移過程 334
15.3.3　特殊場景分析 344
15.4　小結 352
第16章　從Teradata遷移到Greenplum 353
16.1　Teradata産品和用戶麵臨的問題 353
16.2　從Teradata遷移到Greenplum的可行性 354
16.3　如何從Teradata遷移到Greenplum 356
16.3.1　遷移流程概述 356
16.3.2　Teradata數據卸載及DDL導齣規範 357
16.3.3　數據操作語句轉換 364
16.3.4　函數轉換 367
16.3.5　ETL應用工具連接轉換 369
16.3.6　其他應用接口遷移 372
16.4　特殊場景 373
16.4.1　事前微批去重 373
16.4.2　事後批量去重 374
16.5　小結 374
附錄A　Greenplum社區 375
附錄B　外部錶實例 380
附錄C　Greenplum的SSL證書 386
術語錶 390
· · · · · · (收起)