我正在尝试为大数据分析设置一个测试平台（基本上大约 2 到 3 TB 的基础，轻微写入 [仅提供数据库]，但可能出于分析目的读取密集查询）。
由于我对 vanilla PostgreSQL 有一定的经验（但有 10GB 的基础），我正在考虑尝试 9.1 新的同步复制来实现负载平衡。目标是让 Tableau 响应迅速。因此，我可以避免昂贵的 MPP GreenPlum、AsterData 等。
但是，我想知道： - 直接使用 MPP 数据库（例如 GreenPlum）是否是个好主意？（对于 2-3 TB，真的需要 Greenplum 吗？） - 一旦同步复制启动并运行，我应该如何配置我的应用程序？负载平衡是由主机完成还是需要其他解决方案（例如 Pgpool）？
谢谢你的见解！
原则上，2-3TB 应该可以在不诉诸无共享架构的情况下完成，但 Vanilla PostgreSQL 仍然不具备良好的并行查询功能。通过复制您将实现的就是能够将查询分配给各个节点。我不认为 PostgreSQL 支持开箱即用的联合查询，而且我会非常惊讶地发现 Tableau 在客户端直接支持分片。我猜想 PostgreSQL 在这么大的数据集上不会表现得很好。
\n\nPostgreSQL 的并行查询工具正在进行中，但据我所知，它没有包含在 9.1 中。我的直觉是，未来几年的某些版本将包含此功能，但目前还没有完全实现。我没有看到有证据表明在联合查询工具上投入了大量精力。
\n\n另一种选择：SQL Server
\n\n除非您使用 Postgres，否则您可能会发现对于 2-3TB 数据集，SQL Server 为 Greenplum 提供了一个经济高效的选项。它是通过插槽而不是核心来授权的，因此装载 2-4 个插槽的 Xeon 或 Opteron 盒子作为平台是物有所值的。对于较小的用户群，我相信您仍然可以通过 CAL 获得企业版许可。
\n\n高端 RAID 控制器上的几个 24/25 磁盘阵列的顺序读取速度足以使 PCIe-x8 插槽饱和（2GB/秒）。使用 SQL Server 的简单表扫描查询将以这种速率处理数据，而无需使用太多 CPU（显然取决于实际计算），因此如果您想要更快的 I/O，您有一些空间来添加控制器和数组。
\n\nSQL Server 还附带了一套还算不错的 BI 工具，包括 OLAP 服务器。Tableau 不便宜，上次看的时候大概是\xc2\xa31,800/座。根据用户数量，您可能会发现 SQL Server 附带的“足够好”工具无论如何都可以抵消数据库许可证的成本。大多数第三方报告工具也可以很好地与 SQL Server 配合使用。
\n\n免责声明：我不是任何顽固的 Microsoftie，但在过去十年左右的时间里，我使用 SQL Server 和 Oracle 完成了大量 BI 工作。SQL Server实际上是一个相当不错的BI平台。
\n