smartkeyerror

在单机的 PostgreSQL 数据库中，我们使用 xmin、xmax 以及 xip 来判断当前获取到的元组是否对我们可见。但是对于 Greenplum 这一分布式数据库而言，数据分散在不同节点上，同一个分布式事务所插入、更新的数据在不同的节点上会有不同的版本，那么此时又该如何判断元组的可见性呢? »

在 Greenplum 数据库中，允许用户更新元组的分片键，使得数据从当前节点转移到另一个节点，而这项能力是绝大多数分布式数据库所不支持的，例如 MongoDB 一旦设置了分片键，便无法进行修改和删除。实际上，Greenplum 非常巧妙的利用了 Motion Node 可以在节点之间进行数据传输的特性，以及 PostgreSQL 的火山模型，实现了更新分片键的特性。 »

位图（bitmap）索引是 Greenplum 中所特有（对比 PostgreSQL）的一种索引类型，非常适用于大数据量且数据修改需求不大的数据分析场景（OLAP）中使用。Bitmap 索引可以保证在提供优良查询速度的前提下，使用更小的空间开销，能够有效节省大数据量环境的硬盘空间使用，从而降低系统运行成本。 »

在 PostgreSQL 中，使用 EXPLAIN ANALYZE 不仅能够打印查询优化模块的估算代价，同时也会打印出语句执行时的实际代价，当我们遇到一个 Slow Query 时，就可以使用 EXPLAIN ANALYZE 对结果进行分析。但是 Greenplum 是一个分布式数据库，每一个节点的执行时间以及处理的 tuple 数量都可能不同，那么此时 EXPLAIN ANALYZ 的结果到底表示什么? »

当我们进行数据库等复杂应用系统时，如果出现了问题需要进行 debug 的话，gdb 就是第一选择。但是对于类似于内存等复杂问题来说，使用 gdb 进行调试颇为不便: gdb 无法“回滚”我们的操作，也就是说，当我们使用断点错过了一个非常重要的操作的话，一切就得重新开始。此时我们就可以选择 rr 这个支持反向调试的工具，一次复现，N 次调试。 »

在 PostgreSQL 的旧版本中，常常需要处理大量以指针传值的查询，因而存在着内存泄露的问题，直到查询结束时才能将内存收回。尤其是在处理 TOAST 数据时，需要使用大量的内存，因而使得内存泄露的问题更加明显。为此，PostgreSQL 在 7.1 版本开始实现了内存上下文管理机制。 »

Greenplum（即 Green Plum，青梅）是一个基于 MPP 体系结构和 PostgreSQL 数据库的开源 OLAP 服务，本文主要记录下个人在安装和调试 Greenplum 所遇到的问题以及发现的好用的工具，以帮助后面的小伙伴儿少走一些弯路。 »

在数据的并发读写过程中，由于写入并不是原子性的，因此当一个线程正在写时，如果另一个线程进行读操作的话就很有可能产生数据不一致的问题。 比如数据的前半部分写入了，但是后半部分尚未写入，那么在读取时就会取到中间值，也就是脏数据，典型案例就是 64 位整型的写入将会分为两次写入。 »

Coin Change 是一道动态规划问题中一道非常经典的题目，这是因为只要对原有的 Coin Change 问题稍加修改，就可以得到更复杂的动态规划问题，甚至是回溯问题。 »

在 DP 问题中我们将会着重的关注状态转移方程，同样地，在使用 BFS 对某些问题进行图论模型建模时，我们同样会关注状态转移。 »