EMC資料庫引擎可同時支援SQL與MapReduce語法

資料倉儲軟體Greenplum去年被儲存大廠EMC併購，原先僅有軟體產品，併購後旋即推出軟硬體整合的機櫃式產品，其中的DCA-1000，每個全櫃機櫃內含2臺主機伺服器，16個節點，搭配壓縮技術可達144TB的容量，最大可擴充到24個機櫃。同時，資料計價方式也從過去按照使用人數計算軟體授權費用，改由以資料倉儲系統中的資料量計費。

EMC業務協理楊傑儂表示，Greenplum最大的優勢在於它是一個可以同時支援SQL跟MapReduce語法的資料庫引擎。因此，在處理非結構性資料時，Greenplum並不需要再另外建一個分析平臺，而是可以直接讀取存在企業內部儲存系統中的非結構資料，並進行分析。大量的非結構性資料無論儲存在企業的SAN架構或是NAS架構，Greenplum會將這些文件當作是外部資料表（External Table），利用在資料倉儲系統上開發的MapReduce程式分析這些資料表。楊傑儂表示，不過，僅需進一步利用的非結構性資料才儲存在資料倉儲系統中，計價時，也只計算這部分的資料量，能解決儲存非結構性資料成本高昂的問題。

為了強化系統效能，Greenplum採用MPP（Massive Parallel Processing）架構，由2臺Master主機，和最多可擴充到上千臺的Segment主機，中間以網路連接。Master主機負責建立用戶端的連接和管理、SQL的解析與形成執行計畫、分發Segment執行計畫與收集結果等工作。資料的儲存、存取和SQL查詢的執行則由各個Segment負責。每個Segment都使用一般PC等級伺服器，上面會搭載Greenplum的資料庫軟體，各自擁有獨立的儲存硬碟、記憶體、CPU等。當執行查詢工作時，則是切分給各個Segment去執行，提高效能。

楊傑儂認為，隨著企業有越來越多分析需求，資料查詢的工作越來越複雜，資料存取的速度就很重要。因此，Greenplum將用來選擇、萃取資料的ETL（Extract-Transform-Load）伺服器獨立出來，連接內部網路，這個ETL伺服器會自動將資料分散到讓每一個Segment來進行分析，加快資料存取的速度。

相關報導請參考「PB級資料的挑戰：巨量資料來襲」