Teradata Tutorial: Database Architecture & Types

Co je Teradata?

Teradata is a commercial relational Database Management System for developing large-scale data warehousing applications. This tool provides support for multiple data warehouse operations simultaneously using the concept of parallelism. Teradata is a massively parallel processing system that supports Unix/Linux/Windows serverové platformy.

Software Teradata je vyvinut společností Teradata Corporation, což je americká IT firma. Je dodavatelem analytických datových platforem, aplikací a dalších souvisejících služeb. Firma vyvíjí produkt pro konsolidaci dat z různých zdrojů a zpřístupnění dat pro analýzu.

Proč Teradata?

• Teradata nabízí kompletní sadu služeb, na které se zaměřuje Skladování dat
• Systém je postaven na otevřené architektuře. Takže kdykoli jsou k dispozici rychlejší zařízení, lze je začlenit do již sestavené architektury.
• Teradata podporuje 50+ petabajtů dat.
• Jediný operační pohled pro velký víceuzlový systém Teradata využívající Service Workstation
• Kompatibilní se širokou škálou BI nástroj k načtení dat.
• Může fungovat jako jediný kontrolní bod pro DBA pro správu Databáze.
• Vysoký výkon, různé dotazy, analýzy v databázi a sofistikovaná správa pracovní zátěže
• Teradata vám umožňuje získat stejná data na více možnostech nasazení

These advantages were built up over four decades, as the timeline below shows.

Historie Teradata

Teradata was incorporated in 1979 by Caltech researchers working with Citibank. NCR Corporation acquired it in 1991, and Teradata was spun off as an independent public company in October 2007, with Michael Koehler as its first chief executive. The company is headquartered in San Diego and has been led by president and CEO Steve McMillan since 2020.

Milníky společnosti Teradata Corporation:

• 1979 – byla začleněna společnost Teradata
• 1984 – Vydání prvního databázového počítače DBC/1012
• 1986 – časopis Fortune vyhlásil Teradata jako „produkt roku“
• 1991 – NCR Corporation acquires Teradata
• 1999 – Největší databáze vytvořená pomocí Teradata se 130 terabajty
• 2002 – Verze Teradata V2R5 s kompresí a Partition Primary
• 2006 – Uvedení řešení Teradata Master Data Management
• 2007 – Teradata separates from NCR and lists as an independent company
• 2008 – Vydán Teradata 13.0 s Active Data Warehousing
• 2011 – Kupuje Teradata Aster a vrhá se do Advanced Analytics Space
• 2012 – Představení Teradata 14.0
• 2014 – Představení Teradata 15.0
• 2015 – Teradata buys apps marketing platform Appoxee
• 2017 – Teradata acquires San Diego’s StackIQ
• 2018 – Teradata Vantage launches as a unified analytics platform
• 2022 – VantageCloud Lake released for cloud-native analytics
• 2023 – ClearScape Analytics adds in-database AI and machine learning at scale
• 2024 – Adds open table format support for Apache Iceberg and Delta Lake, and releases Teradata AI Unlimited on the AWS and Azure trhů
• 2025 – Launches Enterprise Vector Store, an open-source MCP Server, and AgentBuilder to support agentic AI workloads
• 2026 – Teradata Autonomous Knowledge Platform announced in May and becomes generally available in July across cloud, on-premises, and hybrid deployments

Dále v tomto tutoriálu Teradata se seznámíme s funkcemi Teradata.

Vlastnosti Teradata SQL

Teradata nabízí následující výkonné funkce:

• Lineární škálovatelnost: Nabízí lineární škálovatelnost při práci s velkými objemy dat přidáním uzlů ke zvýšení výkonu systému.
• Neomezený paralelismus: Teradata je založena na MPP (Massively Parallel Processing). Architektura). Je tedy navržen tak, aby byl od začátku paralelní. Dokáže rozdělit velký úkol na menší úkoly a spouštět je paralelně
• Prospělý optimalizátor: Teradata Optimizer dokáže zpracovat až 64 spojení v dotazu.
• Nízké TCO: Teradata has a low total cost of ownership. It is easy to setup, maintain, and administrate.
• Nástroje pro načítání a vykládání: Teradata poskytuje nástroje pro načítání a vyjímání pro přesun dat do/z Teradata System.
• Konektivita: Tento systém MPP se může připojit k systémům připojeným ke kanálu, jako je sálový počítač nebo k systémům připojeným k síti.
• SQL: Teradata podporuje SQL pro interakci s daty uloženými v tabulkách. Poskytuje jeho rozšíření.
• Robustní nástroje: Teradata poskytuje robustní nástroje pro import/export dat z/do systémů Teradata, jako jsou FastExport, FastLoad, MultiLoad a TPT.
• Automatická distribuce: Teradata dokáže distribuovat data na disky automaticky bez ručního zásahu.

Dále v tomto tutoriálu Teradata SQL se dozvíme o Teradata Architecture.

Teradata Architecture

Architektura Teradata je masivně paralelní zpracování Architecture.

Tři důležité součásti Teradata jsou:

• Modul analýzy
• BYNET
• Procesory přístupového modulu (AMP)

Úložiště Teradata Archidatabáze tecture ArchiSchéma struktury:

The diagram above traces a request from the Parsing Engine, through BYNET, down to the AMPs that own the disks. The two subsections below follow that path in each direction.

Úložiště Teradata Architecture

Modul analýzy:

Modul analýzy analyzuje dotazy a připravuje plán provádění. Spravuje relace pro uživatele. Optimalizuje a odešle požadavek uživatelům.

Když tedy klient provádí dotazy na vkládání záznamů, modul analýzy odešle záznamy do vrstvy předávání zpráv. Vrstva předávání zpráv neboli BYNET je softwarová a hardwarová součást. Nabízí síťové funkce. Také načte záznamy a odešle řádek do cílového AMP.

MPA:

AMP je zkratka pro Access Module Processor. Na tyto disky ukládá záznamy. AMP provádí následující činnosti:

• Spravuje část databáze
• Spravuje část každé tabulky
• Proveďte všechny úkoly spojené s generováním sady výsledků, jako je řazení, agregace a spojení
• Proveďte zámek a správu prostoru

Načítání Teradata Architecture

Když klient spustí dotazy k načtení záznamů, modul analýzy odešle požadavek do BYNET. Poté BYNET odešle žádost o načtení příslušným AMP.

AMP paralelně prohledávají své disky a rozpoznávají požadované záznamy a odesílají je společnosti BYNET. BYNET odešle záznamy do modulu Parsing Engine, který bude následně odeslán klientovi.

Dále v tomto tutoriálu Teradata Database se seznámíme s příkazy Teradata SQL.

Types of Teradata SQL Commands

Databáze Teradata podporuje následující základní příkazy SQL:

1. Příkazy jazyka DDL (Data Definition Language).
2. Příkazy jazyka řízení dat (DCL).
3. Příkazy jazyka DML (Data Manipulation Language).

Data Definition Language Commands

COMMAND	Description
CREATE	Vytvoří novou databázi, tabulku, uživatele atd.
DROP	Odebere novou databázi, tabulku, uživatele atd.
ALTER	Změní tabulku, sloupec, spouštěč atd.
MODIFIKOVAT	Změní databázi nebo definici uživatele
PŘEJMENOVAT	Změní názvy tabulek, pohledů, maker atd.

Data Control Language Commands

COMMAND	Description
UDĚLIT/ODVOLAT	Používá se k řízení oprávnění uživatele k objektu
UDĚLIT PŘIHLÁŠENÍ/ODVOLAT PŘIHLÁŠENÍ	Používá se k řízení přihlašovacích oprávnění k hostiteli nebo skupině hostitelů
DÁT	Používá se k přidělení databázového objektu jinému databázovému objektu

Teradata Database SQL Data Manipulation Language Commands

COMMAND	Description
DELETE	Odebere řádek z tabulky
ECHO	Používá se k odeslání řetězce nebo příkazu klientovi
KONTROLNÍ BOD	Definuje bod obnovy v žurnálu, který lze později použít k obnovení obsahu tabulky
SELECT	Používá se k vrácení dat konkrétního řádku ve formuláři tabulky
UPDATE	Upravuje data v jednom nebo více řádcích tabulky

Teradata Product Suite and Deployment Options

Those commands behave identically whichever edition runs underneath, because Teradata ships one engine across several delivery models.

• Teradata Vantage: The core platform combining the SQL engine, workload management, and connectors to object storage.
• VantageCloud Enterprise: A managed deployment on AWS, Azurenebo Google Cloud for warehouses moving off owned hardware.
• VantageCloud Lake: A cloud-native, object-storage-first edition with independent compute clusters for elastic workloads.
• ClearScape Analytics: The in-database layer running machine learning and time-series functions beside the data.
• On-premises IntelliFlex: Purpose-built hardware for regulated workloads that must stay in a private data centre.

Because one SQL statement runs unchanged across these editions, hybrid estates are common.

Aplikace databáze Teradata

Níže jsou uvedeny oblíbené aplikace Teradata:

• Správa zákaznických dat: Pomáhá udržovat dlouhodobé vztahy se zákazníky.
• Správa kmenových dat: Helps to develop an environment where master data can be used, synchronized, and stored.
• Řízení financí a výkonu: Pomáhá organizaci zlepšit rychlost a kvalitu účetního výkaznictví. Snižuje náklady na finanční infrastrukturu a proaktivně řídí výkon podniku.
• Řízení dodavatelského řetězce: Zlepšete operace dodavatelského řetězce, které pomáhají zlepšit služby zákazníkům, zkrátit doby cyklů a snížit zásoby.
• Řízení poptávkového řetězce: Pomáhá zvyšovat úroveň zákaznických služeb a prodeje. Pomáhá také společnostem přesně předvídat poptávku po jejich položce z obchodu.

Dále v tomto tutoriálu Teradata pro začátečníky se seznámíme s rozdílem mezi Teradata a ostatními RDBMS.

Rozdíl mezi Teradata a jinými RDBMS

Parametr	Teradata	RDBMS
Architectures	Sleduje sdílené nic Architecture.	Sdílel vše a umožňuje soupeření o zdroje.
Procesy	MIPS [miliony instrukcí/s]	KIPS [Thousands of Instructions/sec]
Indexy	Lepší distribuce a vyhledávání	Nabízí pouze FASI Retrieval
Rovnoběžnost	Podporuje nepodmíněný paralelismus.	Paralelismus je podmíněný a nepředvídatelný
Hromadné zatížení	Teradata umožňuje hromadné načítání.	Umožňuje pouze omezené hromadné zatížení.
Škálovatelnost	Lineární škálovatelnost se sklonem jedna	Škálovatelnost s klesajícími výnosy
Vyrovnávací paměť databáze	A single database buffer used by all UoP’s (a unit of parallelism). A single data store accessed by all UoP’s	Query Controller dodává funkce UoP, které vlastní data
Prodejny	It stores TERABYTES [Billionty řádků]	GIGABYTES [Millions of rows]

The shared-nothing row above depends on the processing model compared next.

MPP vs. SMP

MPP	SMP
MPP – Masivně paralelní zpracování. Je to počítačový systém, který je připojen k mnoha nezávislým aritmetickým jednotkám nebo celým mikroprocesorům, které běží paralelně.	Symetrické vícenásobné zpracování. V systému zpracování SMP sdílí CPU stejnou paměť a v důsledku toho může kód spuštěný v jednom systému ovlivnit paměť používanou jiným.
Databáze lze rozšířit přidáním nových CPU.	Databáze SMP obecně používají jeden procesor k provádění prohledávání databáze.
V prostředí MPP je výkon vylepšen, protože fyzické počítače nesmí sdílet žádné prostředky.	Pracovní zátěž pro paralelní úlohu je distribuována mezi procesory v systému.
Výkon systému Massive paralelního zpracování je lineární. Bude se však zvyšovat úměrně s počtem uzlů.	SMP databáze mohou běžet na více serverech. Bude však sdílet jiný zdroj.

Nejčastější dotazy