Teradata-Tutorial: Datenbank Architektur & Typen

Was ist Teradata?

Teradata ist ein kommerzielles relationales Datenbankmanagementsystem für die Entwicklungping Groß angelegte Data-Warehouse-Anwendungen. Dieses Tool unterstützt die gleichzeitige Ausführung mehrerer Data-Warehouse-Operationen mithilfe des Konzepts der Parallelverarbeitung. Teradata ist ein massiv paralleles Verarbeitungssystem, das Unix/Linux unterstützt.Windows Serverplattformen.

Teradata-Software wird von der Teradata Corporation entwickelt, einem amerikanischen IT-Unternehmen. Es ist ein Anbieter von Analysedatenplattformen, Anwendungen und anderen damit verbundenen Dienstleistungen. Das Unternehmen entwickelt ein Produkt, um Daten aus verschiedenen Quellen zu konsolidieren und für die Analyse verfügbar zu machen.

Warum Teradata?

• Teradata bietet ein umfassendes Servicepaket mit Schwerpunkt auf Data Warehousing
• Das System basiert auf einer offenen Architektur. Wenn also schnellere Geräte verfügbar werden, können diese in die bereits vorhandene Architektur integriert werden.
• Teradata unterstützt mehr als 50 Petabyte an Daten.
• Einzelbetriebsansicht für ein großes Teradata-Mehrknotensystem mit Service Workstation
• Kompatibel mit einer Vielzahl von BI-Tool um Daten abzurufen.
• Es kann als zentraler Kontrollpunkt für den DBA fungieren, um das zu verwalten Datenbank.
• Hohe Leistung, vielfältige Abfragen, datenbankinterne Analysen und ausgefeiltes Workload-Management
• Mit Teradata können Sie dieselben Daten für mehrere Bereitstellungsoptionen abrufen

Diese Vorteile wurden über vier Jahrzehnte aufgebaut, wie die nachstehende Zeitleiste zeigt.

Geschichte von Teradata

Teradata wurde 1979 von Forschern des Caltech in Zusammenarbeit mit der Citibank gegründet. 1991 wurde das Unternehmen von der NCR Corporation übernommen und im Oktober 2007 als eigenständige Aktiengesellschaft ausgegliedert. Michael Koehler wurde der erste CEO. Der Hauptsitz des Unternehmens befindet sich in San Diego, und seit 2020 wird es von Präsident und CEO Steve McMillan geleitet.

Meilensteine ​​der Teradata Corporation:

• 1979 – Teradata wurde gegründet
• 1984 – Veröffentlichung des ersten Datenbankcomputers DBC/1012
• 1986 – Das Fortune-Magazin erklärt Teradata zum „Produkt des Jahres“
• 1991 – Die NCR Corporation erwirbt Teradata.
• 1999 – Größte mit Teradata erstellte Datenbank mit 130 Terabyte
• 2002 – Veröffentlichung der Teradata V2R5-Version mit Komprimierung und primärer Partitionierung
• 2006 – Einführung der Teradata Master Data Management-Lösung
• 2007 – Teradata trennt sich von NCR und wird als unabhängiges Unternehmen an der Börse notiert.
• 2008 – Teradata 13.0 mit Active Data Warehousing veröffentlicht
• 2011 – Übernahme von Teradata Aster und Einstieg in den Bereich Advanced Analytics
• 2012 – Teradata 14.0 eingeführt
• 2014 – Teradata 15.0 eingeführt
• 2015 – Teradata kauft die App-Marketing-Plattform Appoxee
• 2017 – Teradata übernimmt StackIQ aus San Diego.
• 2018 – Teradata Vantage wird als einheitliche Analyseplattform eingeführt.
• 2022 – VantageCloud Lake für Cloud-native Analysen veröffentlicht
• 2023 – ClearScape Analytics integriert KI und maschinelles Lernen direkt in die Datenbank – in großem Umfang
• 2024 – Fügt Unterstützung für das offene Tabellenformat für Apache Iceberg hinzu und Delta Lake und veröffentlicht Teradata AI Unlimited auf AWS und Azure Markt
• 2025 – Einführung des Enterprise Vector Store, eines Open-Source-MCP-Servers, und des AgentBuilder zur Unterstützung agentenbasierter KI-Workloads
• 2026 – Die Teradata Autonomous Knowledge Platform wurde im Mai angekündigt und wird im Juli allgemein für Cloud-, On-Premises- und Hybrid-Bereitstellungen verfügbar sein.

Als Nächstes lernen wir in diesem Teradata-Tutorial die Funktionen von Teradata kennen.

Funktionen von Teradata SQL

Teradata bietet die folgenden leistungsstarken Funktionen:

• Lineare Skalierbarkeit: Bietet lineare Skalierbarkeit bei der Verarbeitung großer Datenmengen durch Hinzufügen von Knoten, um die Leistung des Systems zu steigern.
• Unbegrenzte Parallelität: Teradata basiert auf MPP (Massively Parallel Processing). Archi(Textur). Es ist also von Anfang an auf Parallelität ausgelegt. Es kann eine große Aufgabe in kleinere Aufgaben aufteilen und diese parallel ausführen
• Ausgereifter Optimierer: Teradata Optimizer kann bis zu 64 Verknüpfungen in einer Abfrage verarbeiten.
• Niedrige Gesamtbetriebskosten: Teradata zeichnet sich durch niedrige Gesamtbetriebskosten aus. Es ist einfach einzurichten, zu warten und zu administrieren.
• Dienstprogramme laden und entladen: Teradata bietet Lade- und Entladeprogramme zum Verschieben von Daten in das/aus dem Teradata-System.
• Konnektivität: Dieses MPP-System kann mit kanalgebundenen Systemen wie einem Mainframe oder netzwerkgebundenen Systemen verbunden werden.
• SQL: Teradata unterstützt SQL um mit den in Tabellen gespeicherten Daten zu interagieren. Es bietet seine Erweiterung.
• Robuste Dienstprogramme: Teradata bietet robuste Dienstprogramme zum Importieren/Exportieren von Daten aus/in Teradata-Systeme wie FastExport, FastLoad, MultiLoad und TPT.
• Automatische Verteilung: Teradata kann die Daten automatisch und ohne manuellen Eingriff auf die Festplatten verteilen.

Als nächstes lernen wir in diesem Teradata SQL-Tutorial etwas über Teradata ArchiStruktur.

Teradata Architektur

Die Teradata-Architektur ist eine Massively Parallel Processing ArchiStruktur.

Drei wichtige Komponenten von Teradata sind:

• Parsing-Engine
• BYNET
• Zugriffsmodulprozessoren (AMPs)

Teradatenspeicher Architecture-Datenbank ArchiStrukturdiagramm:

Das obige Diagramm tracEs handelt sich um eine Anfrage der Parsing-Engine, die über BYNET an die AMPs (Verbundprozessoren) weitergeleitet wird, denen die Datenträger gehören. Die beiden folgenden Unterabschnitte folgen diesem Pfad in beide Richtungen.

Teradatenspeicher Architektur

Parsing-Engine:

Die Parsing Engine analysiert die Abfragen und bereitet den Ausführungsplan vor. Sie verwaltet Sitzungen für Benutzer. Sie optimiert und sendet eine Anfrage an die Benutzer.

Wenn der Client also Abfragen zum Einfügen von Datensätzen ausführt, sendet die Parsing Engine die Datensätze an die Message Passing-Schicht. Message Passing Layer oder BYNET ist eine Software- und Hardwarekomponente. Es bietet Netzwerkfähigkeit. Außerdem werden die Datensätze abgerufen und die Zeile an den Ziel-AMP gesendet.

AMPERE:

AMP steht für Access Module Processor. Es speichert Datensätze auf diesen Festplatten. AMP führt folgende Aktivitäten durch:

• Verwaltet einen Teil der Datenbank
• Verwaltet einen Teil jeder Tabelle
• Führen Sie alle mit der Generierung des Ergebnissatzes verbundenen Aufgaben aus, z. B. Sortieren, Aggregation und Verknüpfung
• Führen Sie die Sperr- und Speicherplatzverwaltung durch

Teradata-Abruf Architektur

Wenn der Client Abfragen zum Abrufen von Datensätzen ausführt, sendet die Parsing-Engine eine Anfrage an BYNET. Anschließend sendet BYNET die Abrufanfrage an die entsprechenden AMPs.

AMPs durchsuchen parallel ihre Festplatten, erkennen die erforderlichen Datensätze und senden sie an BYNET. BYNET sendet die Datensätze an die Parsing Engine, die wiederum an den Client gesendet wird.

Als nächstes lernen wir in diesem Teradata-Datenbank-Tutorial etwas über Teradata-SQL-Befehle.

Arten von Teradata-SQL-Befehlen

Die Teradata-Datenbank unterstützt die folgenden grundlegenden SQL-Befehle:

1. DDL-Befehle (Data Definition Language).
2. DCL-Befehle (Data Control Language).
3. DML-Befehle (Data Manipulation Language).

Befehle der Datendefinitionssprache

COMMAND	Beschreibung
CREATE	Erstellt eine neue Datenbank, Tabelle, einen neuen Benutzer usw.
DROP	Entfernt eine neue Datenbank, Tabelle, einen neuen Benutzer usw.
ALTER	Ändert eine Tabelle, Spalte, einen Trigger usw.
ÄNDERN	Ändert eine Datenbank oder Benutzerdefinition
UMBENENNEN	Ändert Namen von Tabellen, Ansichten, Makros usw.

Befehle der Datensteuerungssprache

COMMAND	Beschreibung
GEWÄHRUNG/WIDERRUFEN	Wird verwendet, um die Berechtigungen eines Benutzers für ein Objekt zu steuern
ANMELDUNG GEWÄHREN/ANMELDUNG WIDERRUFEN	Wird zur Steuerung der Anmeldeberechtigungen für einen Host oder eine Hostgruppe verwendet
GEBEN	Wird verwendet, um ein Datenbankobjekt einem anderen Datenbankobjekt zuzuweisen

Teradata-Datenbank SQL-Befehle (Datenmanipulationssprache)

COMMAND	Beschreibung
LÖSCHEN	Entfernt eine Zeile aus der Tabelle
ECHO	Wird verwendet, um eine Zeichenfolge oder einen Befehl an den Client zurückzugeben
KONTROLLPUNKT	Definiert einen Wiederherstellungspunkt im Journal, der später zum Wiederherstellen des Tabelleninhalts verwendet werden kann
SELECT	Wird verwendet, um bestimmte Zeilendaten in Tabellenform zurückzugeben
AKTUALISIEREN	Ändert Daten in einer oder mehreren Zeilen einer Tabelle

Teradata-Produktpalette und Bereitstellungsoptionen

Diese Befehle verhalten sich unabhängig von der zugrunde liegenden Edition identisch, da Teradata eine einzige Engine für verschiedene Bereitstellungsmodelle ausliefert.

• Teradata Vantage: Die Kernplattform kombiniert die SQL-Engine, das Workload-Management und Konnektoren zur Objektspeicherung.
• VantageCloud Enterprise: Eine verwaltete Bereitstellung auf AWS, Azureden Google Cloud für Lagerhäuser, die ihre eigene Hardware verkaufen.
• VantageCloud Lake: Eine Cloud-native Edition mit Fokus auf Objektspeicherung und unabhängigen Rechenclustern für elastische Workloads.
• ClearScape Analytics: Die In-Database-Schicht, die Machine-Learning- und Zeitreihenfunktionen parallel zu den Daten ausführt.
• IntelliFlex vor Ort: Speziell entwickelte Hardware für regulierte Arbeitslasten, die in einem privaten Rechenzentrum verbleiben müssen.

Da eine SQL-Anweisung in all diesen Editionen unverändert ausgeführt wird, sind hybride Systemumgebungen weit verbreitet.

Anwendungen der Teradata-Datenbank

Im Folgenden sind die beliebten Teradata-Anwendungen aufgeführt:

• Kundendatenmanagement: Trägt dazu bei, langfristige Kundenbeziehungen aufrechtzuerhalten.
• Stammdatenverwaltung: Hilft dabei, eine Umgebung zu schaffen, in der Stammdaten genutzt, synchronisiert und gespeichert werden können.
• Finanz- und Leistungsmanagement: Hilft Unternehmen dabei, die Geschwindigkeit und Qualität der Finanzberichterstattung zu verbessern. Es reduziert die Kosten für die Finanzinfrastruktur und verwaltet die Unternehmensleistung proaktiv.
• Leitung der Lieferkette: Verbessern Sie die Abläufe in der Lieferkette, um den Kundenservice zu verbessern, Durchlaufzeiten zu verkürzen und die Lagerbestände zu senken.
• Nachfragekettenmanagement: Trägt dazu bei, den Kundenservice und den Umsatz zu steigern. Es hilft Unternehmen auch dabei, die Nachfrage nach ihren Ladenartikeln genau vorherzusagen.

Als nächstes lernen wir in diesem Teradata-Tutorial für Anfänger den Unterschied zwischen Teradata und anderen kennen RDBMS.

Unterschied zwischen Teradata und anderen RDBMS

Parameter	Teradata	RDBMS
Architekturen	Folgt Shared Nothing ArchiStruktur.	Alles geteilt und Ressourcenkonflikte zugelassen.
Prozesse	MIPS [Millionen Anweisungen/Sek.]	KIPS [Tausende von Anweisungen/Sekunde]
Indizes	Bessere Verteilung und Abruf	Bietet nur FASI-Abruf
Parallelität	Unterstützt bedingungslose Parallelität.	Parallelität ist bedingt und unvorhersehbar
Große Ladung	Teradata ermöglicht Massenladen.	Ermöglicht nur begrenztes Massenladen.
Skalierbarkeit	Lineare Skalierbarkeit mit einer Steigung von eins	Skalierbarkeit bei sinkenden Erträgen
Datenbankpuffer	Ein einziger Datenbankpuffer, der von allen UoPs (einer Einheit für Parallelverarbeitung) genutzt wird. Ein einziger Datenspeicher, auf den alle UoPs zugreifen.	Query Controller sendet Funktionen an UoPs, die Eigentümer der Daten sind
Boutiquen	Es speichert Terabytes [BillIonen von Reihen]	GIGABYTES [Millionen von Zeilen]

Die oben genannte Zeile, in der es um gemeinsames Nichts geht, hängt vom als nächstes verglichenen Verarbeitungsmodell ab.

MPP vs. SMP

MPP	SMP
MPP – Massively Parallel Processing. Es handelt sich um ein Computersystem, das mit vielen unabhängigen Recheneinheiten oder ganzen Mikroprozessoren verbunden ist, die parallel laufen.	Symmetrisches Multi-Processing. In einem SMP-Verarbeitungssystem teilen sich die CPUs denselben Speicher. Daher kann sich Code, der in einem System ausgeführt wird, auf den von einem anderen System verwendeten Speicher auswirken.
Datenbanken können durch das Hinzufügen neuer CPUs erweitert werden.	SMP-Datenbanken verwenden im Allgemeinen eine CPU, um Datenbanksuchen durchzuführen.
In einer MPP-Umgebung wird die Leistung verbessert, da keine Ressourcen zwischen physischen Computern geteilt werden müssen.	Die Arbeitslast für einen parallelen Job wird auf die Prozessoren im System verteilt.
Die Leistung eines Massive-Parallelverarbeitungssystems ist linear. Sie wird jedoch proportional zur Anzahl der Knoten zunehmen.	SMP-Datenbanken können auf mehreren Servern laufen. Allerdings wird eine andere Ressource geteilt.

Häufig gestellte Fragen