Teradata Tutorial: Database Architecture & Typer

Vad är 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 serverplattformar.

Teradata-mjukvaran är utvecklad av Teradata Corporation, som är ett amerikanskt IT-företag. Det är en leverantör av analysdataplattformar, applikationer och andra relaterade tjänster. Företaget utvecklar en produkt för att konsolidera data från olika källor och göra data tillgänglig för analys.

Varför Teradata?

• Teradata erbjuder ett komplett utbud av tjänster som fokuserar på Datalagring
• Systemet är byggt på öppen arkitektur. Så närhelst några snabbare enheter görs tillgängliga kan de integreras i den redan byggda arkitekturen.
• Teradata stöder 50+ petabyte data.
• En operationsvy för ett stort Teradata multi-nodsystem som använder Service Workstation
• Kompatibel med ett brett utbud av BI-verktyg för att hämta data.
• Det kan fungera som en enda kontrollpunkt för DBA att hantera Databas.
• Hög prestanda, olika frågor, analys i databasen och sofistikerad arbetsbelastningshantering
• Teradata låter dig få samma data om flera distributionsalternativ

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

Teradatas historia

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.

Milstolpar för Teradata Corporation:

• 1979 – Teradata införlivades
• 1984 – Release av första databasdatorn DBC/1012
• 1986 – Tidningen Fortune utropade Teradata till "Årets produkt"
• 1991 – NCR Corporation acquires Teradata
• 1999 – Största databasen byggd med Teradata med 130 Terabyte
• 2002 – Teradata V2R5 version med komprimering och Partition Primary
• 2006 – Lansering av Teradata Master Data Management-lösning
• 2007 – Teradata separates from NCR and lists as an independent company
• 2008 – Teradata 13.0 släpptes med Active Data Warehousing
• 2011 – Skaffar Teradata Aster och kastar sig in i Advanced Analytics Space
• 2012 – Teradata 14.0 introduceras
• 2014 – Teradata 15.0 introduceras
• 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 marknads
• 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

Nästa i denna Teradata-handledning kommer vi att lära oss om funktionerna i Teradata.

Funktioner i Teradata SQL

Teradata erbjuder följande kraftfulla funktioner:

• Linjär skalbarhet: Erbjuder linjär skalbarhet vid hantering av stora datamängder genom att lägga till noder för att öka systemets prestanda.
• Obegränsad parallellism: Teradata är baserat på MPP (Massively Parallel Processing). Architecture). Så den är designad för att vara parallell sedan början. Den kan dela upp en stor uppgift i mindre uppgifter och köra dem parallellt
• Mature Optimizer: Teradata Optimizer kan hantera upp till 64 kopplingar i en fråga.
• Låg TCO: Teradata has a low total cost of ownership. It is easy to setup, maintain, and administrate.
• Ladda och lossa verktyg: Teradata tillhandahåller laddnings- och avlastningsverktyg för att flytta data till/från Teradata System.
• Anslutningar: Detta MPP-system kan ansluta till kanalanslutna system som en stordator eller nätverksanslutna system.
• SQL: Teradata stöder SQL att interagera med data som lagras i tabeller. Det ger sin förlängning.
• Robusta verktyg: Teradata tillhandahåller robusta verktyg för att importera/exportera data från/till Teradata-system som FastExport, FastLoad, MultiLoad och TPT.
• Automatisk distribution: Teradata kan distribuera data till diskarna automatiskt utan manuell inblandning.

Nästa i denna Teradata SQL-handledning kommer vi att lära oss om Teradata Architecture.

Teradata Architecture

Teradata-arkitektur är en massivt parallell bearbetning Architecture.

Tre viktiga komponenter i Teradata är:

• Parsingmotor
• BYNET
• Access Module Processorer (AMP)

Teradata-lagring Architecture Database ArchiTecture Diagram:

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.

Teradata-lagring Architecture

Parsing Engine:

Parsing Engine analyserar frågorna och förbereder exekveringsplanen. Den hanterar sessioner för användare. Den optimerar och skickar en förfrågan till användarna.

Så när klienten kör frågor för att infoga poster, skickar Parsing Engine posterna till lagret Message Passing. Message passing layer eller BYNET är en mjukvaru- och hårdvarukomponent. Det erbjuder nätverkskapacitet. Den hämtar också posterna och skickar raden till mål-AMP.

AMP:

AMP står för Access Module Processor. Den lagrar poster på dessa diskar. AMP bedriver följande aktiviteter:

• Hanterar en del av databasen
• Hanterar en del av varje bord
• Utför alla uppgifter som är associerade med att generera resultatuppsättningar som sortering, aggregering och sammanfogning
• Utför lås- och utrymmeshantering

Teradata hämtning Architecture

När klienten kör frågor för att hämta poster skickar Parsing-motorn en begäran till BYNET. Sedan skickar BYNET hämtningsförfrågan till lämpliga AMP-enheter.

AMPs söker sina diskar parallellt och känner igen de nödvändiga posterna och skickar dem till BYNET. BYNET skickar posterna till Parsing Engine, som i sin tur kommer att skickas till klienten.

Nästa i denna Teradata Database-handledning kommer vi att lära oss om Teradata SQL-kommandon.

Types of Teradata SQL Commands

Teradata Database stöder följande grundläggande SQL-kommandon:

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

Data Definition Language Commands

KOMMANDO	BESKRIVNING
SKAPA	Skapar en ny databas, tabell, användare osv.
FALLA	Tar bort en ny databas, tabell, användare osv.
ÄNDRA	Ändrar en tabell, kolumn, utlösare, etc.
ÄNDRA	Ändrar en databas eller användardefinition
DÖPA OM	Ändrar namn på tabeller, vyer, makron, etc.

Data Control Language Commands

KOMMANDO	BESKRIVNING
BEVILJA/ÅTERKALLA	Används för att kontrollera privilegier för en användare på ett objekt
BILJA LOGON/ÅTERVÄLJ LOGON	Används för att styra inloggningsprivilegier till en värd eller värdgrupp
GE	Används för att ge ett databasobjekt till ett annat databasobjekt

Teradata Database SQL Data Manipulation Language Commands

KOMMANDO	BESKRIVNING
RADERA	Tar bort en rad från tabellen
ECHO	Används för att eka en sträng eller ett kommando till klienten
KONTROLLSTATION	Definierar en återställningspunkt i journalen som kan användas senare för att återställa tabellinnehållet
VÄLJA	Används för att returnera en specifik raddata i en tabellform
UPPDATERING	Ändrar data i en eller flera rader i en tabell

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, Azure, eller 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.

Tillämpningar av Teradata Database

Följande är de populära Teradata-applikationerna:

• Kunddatahantering: Hjälper till att upprätthålla långvariga relationer med kunder.
• Master Data Management: Helps to develop an environment where master data can be used, synchronized, and stored.
• Ekonomi och resultatstyrning: Hjälper organisationen att förbättra hastigheten och kvaliteten på den finansiella rapporteringen. Det minskar kostnaderna för finansieringsinfrastruktur och hanterar proaktivt företagets prestanda.
• Supply Chain Management: Förbättra driften i leveranskedjan som bidrar till förbättrad kundservice, minskade cykeltider och lägre lager.
• Demand Chain Management: Hjälper till att öka kundservicenivåer och försäljning. Det hjälper också företag att förutsäga efterfrågan på sina butiksartiklar korrekt.

Nästa i denna handledning för Teradata för nybörjare kommer vi att lära oss om skillnaden mellan Teradata och andra RDBMS.

Skillnad mellan Teradata och andra RDBMS

Parameter	Teradata	RDBMS
Architectures	Följer Shared Nothing Architecture.	Delade allt och tillåter resursstrid.
Processer	MIPS [miljontals instruktioner/sek.]	KIPS [Thousands of Instructions/sec]
Index	Bättre distribution och hämtning	Erbjuder endast FASI Retrieval
parallel~~POS=TRUNC	Stöder ovillkorlig parallellism.	Parallellism är villkorlig och oförutsägbar
Bulkbelastning	Teradata tillåter bulkbelastning.	Tillåter endast begränsad bulklast.
Skalbarhet	Linjär skalbarhet med en lutning på ett	Skalbarhet med minskande avkastning
Databasbuffert	A single database buffer used by all UoP’s (a unit of parallelism). A single data store accessed by all UoP’s	Query Controller skickar funktioner till UoP:er som äger data
butiker	It stores TERABYTES [Billjoner av rader]	GIGABYTES [Millions of rows]

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

MPP vs. SMP

MPP	SMP
MPP – Massivt parallell bearbetning. Det är ett datorsystem som är kopplat till många oberoende aritmetiska enheter eller hela mikroprocessorer som körs parallellt.	Symmetrisk multibearbetning. I ett SMP-bearbetningssystem delar CPU:erna samma minne, och som ett resultat kan kod som körs i ett system påverka minnet som används av ett annat.
Databaser kan utökas genom att lägga till nya processorer.	SMP-databaser använder vanligtvis en CPU för att utföra databassökningar.
I en MPP-miljö förbättras prestandan eftersom inga resurser får delas mellan fysiska datorer.	Arbetsbelastningen för ett parallellt jobb fördelas över processorerna i systemet.
Prestanda för ett massivt parallellt bearbetningssystem är linjärt. Det kommer dock att öka i proportion till antalet noder.	SMP-databaser kan köras på flera servrar. Kommer dock att dela en annan resurs.

Vanliga frågor