Teradata-opplæring: Database Architecture & Typer

Hva er Teradata?

Teradata er et kommersielt relasjonsdatabasehåndteringssystem for utviklingping storskala datavarehusapplikasjoner. Dette verktøyet støtter flere datavarehusoperasjoner samtidig ved hjelp av parallellitetskonseptet. Teradata er et massivt parallelt behandlingssystem som støtter Unix/Linux/Windows serverplattformer.

Teradata-programvaren er utviklet av Teradata Corporation, som er et amerikansk IT-firma. Det er en leverandør av analysedataplattformer, applikasjoner og andre relaterte tjenester. Firmaet utvikler et produkt for å konsolidere data fra ulike kilder og gjøre dataene tilgjengelige for analyse.

Hvorfor Teradata?

• Teradata tilbyr en komplett tjenestepakke som fokuserer på Datavarehus
• Systemet er bygget på åpen arkitektur. Så hver gang raskere enheter gjøres tilgjengelige, kan de integreres i den allerede bygde arkitekturen.
• Teradata støtter 50+ petabyte med data.
• Enkeltoperasjonsvisning for et stort Teradata multi-node-system som bruker Service Workstation
• Kompatibel med et bredt utvalg av BI-verktøy for å hente data.
• Det kan fungere som et enkelt kontrollpunkt for DBA å administrere Database.
• Høy ytelse, varierte søk, analyse i databasen og sofistikert håndtering av arbeidsbelastning
• Teradata lar deg få de samme dataene på flere distribusjonsalternativer

Disse fordelene ble bygget opp over fire tiår, som tidslinjen nedenfor viser.

Historien om Teradata

Teradata ble stiftet i 1979 av Caltech-forskere som jobbet med Citibank. NCR Corporation kjøpte det opp i 1991, og Teradata ble skilt ut som et uavhengig børsnotert selskap i oktober 2007, med Michael Koehler som sin første administrerende direktør. Selskapet har hovedkontor i San Diego og har blitt ledet av president og administrerende direktør Steve McMillan siden 2020.

Milepæler for Teradata Corporation:

• 1979 - Teradata ble innlemmet
• 1984 – Utgivelse av første databasedatamaskin DBC/1012
• 1986 - Fortune magazine erklærte Teradata som 'Årets produkt'
• 1991 – NCR Corporation kjøper opp Teradata
• 1999 - Største database bygget med Teradata med 130 Terabyte
• 2002 - Teradata V2R5 versjonsutgivelse med komprimering og partisjonsprimær
• 2006 – Lansering av Teradata Master Data Management-løsning
• 2007 – Teradata skiller seg ut fra NCR og børsnoteres som et uavhengig selskap
• 2008 – Teradata 13.0 utgitt med Active Data Warehousing
• 2011 – Kjøper Teradata Aster og stuper inn i Advanced Analytics Space
• 2012 – Teradata 14.0 introdusert
• 2014 – Teradata 15.0 introdusert
• 2015 – Teradata kjøper markedsføringsplattformen Appoxee for apper
• 2017 – Teradata kjøper opp StackIQ i San Diego
• 2018 – Teradata Vantage lanseres som en samlet analyseplattform
• 2022 – VantageCloud Lake lansert for skybasert analyse
• 2023 – ClearScape Analytics legger til databasebasert kunstig intelligens og maskinlæring i stor skala
• 2024 – Legger til støtte for åpne tabellformater for Apache Iceberg og Delta Lake, og lanserer Teradata AI Unlimited på AWS og Azure markeds
• 2025 – Lanserer Enterprise Vector Store, en MCP-server med åpen kildekode, og AgentBuilder for å støtte agentiske AI-arbeidsbelastninger
• 2026 – Teradata Autonomous Knowledge Platform ble annonsert i mai og blir generelt tilgjengelig i juli på tvers av sky-, lokale og hybriddistribusjoner.

Neste i denne Teradata-opplæringen vil vi lære om funksjonene til Teradata.

Funksjoner i Teradata SQL

Teradata tilbyr følgende kraftige funksjoner:

• Lineær skalerbarhet: Tilbyr lineær skalerbarhet ved håndtering av store datavolumer ved å legge til noder for å øke ytelsen til systemet.
• Ubegrenset parallellisme: Teradata er basert på MPP (Massively Parallel Processing). Architecture). Så den er designet for å være parallell siden begynnelsen. Den kan dele opp en stor oppgave i mindre oppgaver og kjøre dem parallelt
• Mature Optimizer: Teradata Optimizer kan håndtere opptil 64 sammenføyninger i en spørring.
• Lav TCO: Teradata har lave totale eierkostnader. Det er enkelt å sette opp, vedlikeholde og administrere.
• Laste og losse verktøy: Teradata tilbyr laste- og losseverktøy for å flytte data til/fra Teradata-systemet.
• Tilkobling: Dette MPP-systemet kan kobles til kanaltilkoblede systemer som en stormaskin eller nettverkstilkoblede systemer.
• SQL: Teradata støtter SQL å samhandle med dataene som er lagret i tabeller. Det gir sin utvidelse.
• Robuste verktøy: Teradata gir robuste verktøy for å importere/eksportere data fra/til Teradata-systemer som FastExport, FastLoad, MultiLoad og TPT.
• Automatisk distribusjon: Teradata kan distribuere dataene til diskene automatisk uten manuell inngripen.

Neste i denne Teradata SQL-opplæringen vil vi lære om Teradata Architecture.

Teradata Architecture

Teradata-arkitektur er en massivt parallell prosessering Architecture.

Tre viktige komponenter i Teradata er:

• Parsing Engine
• BYNET
• Access Module-prosessorer (AMP-er)

Teradata-lagring Architecture Database ArchiTecture Diagram:

Diagrammet ovenfor tracsender en forespørsel fra parsemotoren, via BYNET, ned til AMP-ene som eier diskene. De to underavsnittene nedenfor følger den banen i hver retning.

Teradata-lagring Architecture

Parsing Engine:

Parsing Engine analyserer spørringene og forbereder utførelsesplanen. Den administrerer økter for brukere. Den optimerer og sender en forespørsel til brukerne.

Så når klienten utfører spørringer for å sette inn poster, sender Parsing Engine postene til Message Passing-laget. Message passing layer eller BYNET er en programvare- og maskinvarekomponent. Den tilbyr nettverksmulighet. Den henter også postene og sender raden til mål-AMP.

AMP:

AMP står for Access Module Processor. Den lagrer poster på disse diskene. AMP utfører følgende aktiviteter:

• Administrerer en del av databasen
• Administrerer en del av hvert bord
• Utfør alle oppgavene knyttet til å generere resultatsett som sortering, aggregering og sammenføyning
• Utfør låse- og plassadministrasjon

Henting av teradata Architecture

Når klienten kjører spørringer for å hente poster, sender Parsing-motoren en forespørsel til BYNET. Deretter sender BYNET gjenfinningsforespørselen til passende AMP-er.

AMP-er søker på diskene sine parallelt og gjenkjenner de nødvendige postene og sender dem til BYNET. BYNET sender postene til Parsing Engine, som igjen vil bli sendt til klienten.

Neste i denne Teradata Database-opplæringen vil vi lære om Teradata SQL-kommandoer.

Typer av Teradata SQL-kommandoer

Teradata Database støtter følgende grunnleggende SQL-kommandoer:

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

Kommandoer for datadefinisjonsspråk

KOMMANDO	Tekniske beskrivelser
SKAPE	Oppretter en ny database, tabell, bruker osv.
DROP	Fjerner en ny database, tabell, bruker osv.
ENDRE	Endrer en tabell, kolonne, utløser osv.
MODIFISER	Endrer en database eller brukerdefinisjon
RENAME	Endrer navn på tabeller, visninger, makroer osv.

Kommandoer for datakontrollspråk

KOMMANDO	Tekniske beskrivelser
TILLEIE/TILLBAKE TILBAKE	Brukes til å kontrollere rettigheter til en bruker på et objekt
GI PÅLOGGING/TILLBAKE PÅLOGGING	Brukes til å kontrollere påloggingsrettigheter til en vert eller vertsgruppe
GI	Brukes til å gi et databaseobjekt til et annet databaseobjekt

Teradata Database SQL Data Manipulation Language-kommandoer

KOMMANDO	Tekniske beskrivelser
SLETT	Fjerner en rad fra tabellen
ECHO	Brukes til å ekko en streng eller kommando til klienten
KONTROLLPUNKT	Definerer et gjenopprettingspunkt i journalen som kan brukes senere for å gjenopprette tabellinnholdet
VELG	Brukes til å returnere en spesifikk raddata i et tabellskjema
OPPDATERING	Endrer data i én eller flere rader i en tabell

Teradata-produktpakke og distribusjonsalternativer

Disse kommandoene oppfører seg identisk uansett hvilken utgave som kjører under, fordi Teradata leverer én motor på tvers av flere leveringsmodeller.

• Teradata Vantage: Kjerneplattformen som kombinerer SQL-motoren, arbeidsbelastningshåndtering og koblinger til objektlagring.
• VantageCloud Enterprise: En administrert distribusjon på AWS, Azureeller Google Cloud for lagerbygninger som flytter eid maskinvare.
• VantageCloud-sjøen: En skybasert utgave som først og fremst fokuserer på objektlagring, med uavhengige databehandlingsklynger for elastiske arbeidsbelastninger.
• ClearScape-analyse: Databaselaget som kjører maskinlæring og tidsseriefunksjoner ved siden av dataene.
• Lokal IntelliFlex: Spesialbygd maskinvare for regulerte arbeidsbelastninger som må forbli i et privat datasenter.

Fordi én SQL-setning kjører uendret på tvers av disse utgavene, er hybride eiendommer vanlige.

Applikasjoner av Teradata-databasen

Følgende er de populære Teradata-applikasjonene:

• Kundedatabehandling: Bidrar til å opprettholde langvarige relasjoner med kunder.
• Master Data Management: Bidrar til å utvikle et miljø der masterdata kan brukes, synkroniseres og lagres.
• Økonomi og resultatstyring: Hjelper organisasjonen med å forbedre hastigheten og kvaliteten på finansiell rapportering. Det reduserer kostnadene for finansinfrastruktur og administrerer bedriftsytelsen proaktivt.
• Supply Chain Management: Forbedre forsyningskjedeoperasjoner som bidrar til forbedret kundeservice, reduserte syklustider og lavere varelager.
• Etterspørselskjedestyring: Bidrar til å øke kundeservicenivå og salg. Det hjelper også bedrifter med å forutsi etterspørselen etter butikkvaren deres nøyaktig.

Neste i denne Teradata for nybegynneropplæringen vil vi lære om forskjellen mellom Teradata og andre RDBMS.

Forskjellen mellom Teradata og andre RDBMS

Parameter	Teradata	RDBMS
Architectures	Følger Shared Nothing Architecture.	Delte alt og tillater ressursstrid.
prosesser	MIPS [Millioner av instruksjoner/sek.]	KIPS [Tusenvis av instruksjoner/sek]
Indekser	Bedre distribusjon og gjenfinning	Tilbyr kun FASI Retrieval
parallellitet	Støtter ubetinget parallellisme.	Parallelisme er betinget og uforutsigbar
Bulk belastning	Teradata tillater bulk belastning.	Tillater kun begrenset bulklast.
skalerbarhet	Lineær skalerbarhet med en helning på én	Skalerbarhet med avtagende avkastning
Databasebuffer	En enkelt databasebuffer brukt av alle UoP-er (en parallellitetsenhet). Et enkelt datalager som alle UoP-er har tilgang til.	Query Controller sender funksjoner til UoP-er som eier dataene
butikker	Den lagrer TERABYTE [Billioner av rader]	GIGABYTE [Millioner av rader]

Raden «delt ingenting» ovenfor avhenger av behandlingsmodellen som sammenlignes deretter.

MPP vs. SMP

MPP utvidelse	SMP
MPP – Massively Parallell Processing. Det er datasystem som er koblet til mange uavhengige aritmetiske enheter eller hele mikroprosessorer som kjører parallelt.	Symmetrisk multi-behandling. I et SMP-behandlingssystem deler CPU-ene det samme minnet, og som et resultat kan kode som kjører i ett system påvirke minnet som brukes av et annet.
Databaser kan utvides ved å legge til nye CPUer.	SMP-databaser bruker vanligvis én CPU for å utføre databasesøk.
I et MPP-miljø forbedres ytelsen fordi ingen ressurser må deles mellom fysiske datamaskiner.	Arbeidsmengden for en parallell jobb er fordelt over prosessorene i systemet.
Ytelsen til et massivt parallellbehandlingssystem er lineært. Det vil imidlertid øke proporsjonalt med antall noder.	SMP-databaser kan kjøres på flere servere. Vil imidlertid dele en annen ressurs.

Spørsmål og svar