談到GreenPlum，肯定會有同事說HAWQ！是的，在本系列第一篇選型流水記里，也有提到。因為對HAWQ接觸有限，沒有深入具體了解，所以很多信息都是來自於博文，人雲亦雲，我把看過的資料簡要整理，希望對感興趣的同事有一些幫助^_^
- HAWQ的身世：https://www.pivotalguru.com/?p=1176，目前已經開源：http://hawq.incubator.apache.org/；
- HAWQ和GreenPlum的比較：https://www.pivotalguru.com/?p=719，可以簡要歸納為：GreenPlum是存儲和計算合體的，標准的RDBMS系統；而HAWQ是存儲與計算分離的，它的存儲放在HDFS上，它的計算你可以理解成是被閹割了存儲模塊的“GreenPlum”，當然，它對Hadoop生態圈的結合度更高，支持對接各種組件：Hive/Hbase/avro等等。這里補充一點：存儲和計算分離有啥好處？或者解決了什么問題。大數據領域，影響數據分析的瓶頸就兩塊：一塊是數據掃描（磁盤IO），另一塊是數據計算（CPU+MEM）。想象一下，如果我們發現讀數據非常耗時（磁盤IO瓶頸），那么可以增加磁盤通過增加IO帶寬來解決問題，而如果發現計算耗時特別長，比如CPU一直100%或者MEM已經耗盡，那么可以增加計算資源（比如添加無窮無盡的雲主機）來解決。反過來，如果存儲和計算合體，那么意味着資源的有效利用率會很低，所以分離是趨勢。
- 我們怎么來定位HAWQ和GreenPlum或者怎么來選擇使用呢？答案是手拉手一起使用：https://www.pivotalguru.com/?p=642請注意博文底下的一幅圖；另外，在http://dbaplus.cn/news-21-341-1.html一文中也有提到使用MPP+HDFS的組合架構，來構建基礎數據倉庫，滿足不同業務需求；
- HAWQ當前發布版本暫不支持數據更新和刪除操作，不過3.0.0.0版本將會支持：https://issues.apache.org/jira/browse/HAWQ-304
- HAWQ性能指標怎么樣？這里有篇Pivotal自測的博文https://content.pivotal.io/blog/pivotal-hawq-benchmark-demonstrates-up-to-21x-faster-performance-on-hadoop-queries-than-sql-like-solutions，號稱壓倒impala，不過針對本篇博文的題目，我支持GreenPlum！
- 有公司基於HAWQ提供商業服務：http://www.hashdata.cn；也有公司基於GreenPlum提供商業服務：http://vitessedata.com/deepgreen-db
大家如果還有其他想要了解的，記得留言哦，回頭抽空補上:)
看這里：
本文來自網易雲社區，經作者何李夫授權發布。
原文地址：【大數據之數據倉庫】HAWQ versus GreenPlum
更多網易研發、產品、運營經驗分享請訪問網易雲社區。