Ciruela verde

Greenplum es una tecnología de big data basada en la arquitectura MPP y la base de datos de código abierto Postgres . Fue creada por una empresa del mismo nombre con sede en San Mateo , California, alrededor de 2005. Greenplum fue adquirida por EMC Corporation en julio de 2010. ^{[ 1 ]}

A partir de 2012, su software de gestión de bases de datos pasó a llamarse Pivotal Greenplum Database y se comercializó a través de Pivotal Software . Pivotal liberó el código fuente del motor principal y continuó su desarrollo gracias a la comunidad de código abierto de Greenplum Database y a Pivotal.

A partir de 2020, Pivotal fue adquirida por VMware ^{[ 2 ]} y VMware continuó patrocinando la comunidad de código abierto de Greenplum Database, además de comercializar la tecnología bajo la marca VMware Tanzu Greenplum . En noviembre de 2023, VMware fue adquirida por Broadcom. ^{[ 3 ]}

En mayo de 2024, Tanzu by Broadcom decidió privatizar el proyecto Greenplum Database. Todas las futuras versiones de Greenplum Database serán de código cerrado y se distribuirán como parte de VMware Tanzu Data Suite.

Greenplum, la empresa, fue fundada en septiembre de 2003 por Scott Yara y Luke Lonergan. Fue el resultado de la fusión de dos empresas más pequeñas: Metapa (fundada en agosto de 2000 cerca de Los Ángeles ) ^{[ 4 ]} y Didera en Fairfax, Virginia . ^{[ 5 ]}

Entre los inversores se encontraban SoundView Ventures, Hudson Ventures y Royal Wulff Ventures. Se anunció una financiación total de 20 millones de dólares estadounidenses en la fusión.  ^{[ 6 ]} Greenplum, con sede en San Mateo, California , lanzó su software de sistema de gestión de bases de datos basado en PostgreSQL en abril de 2005, llamándolo Bizgres. ^{[ 7 ]} Se invirtieron rondas de capital riesgo de aproximadamente 15  millones de dólares estadounidenses cada una en marzo de 2006 y febrero de 2007. ^{[ 8 ]}

En julio de 2006 se anunció una asociación con Sun Microsystems . ^{[ 9 ]} Sun, que también había adquirido MySQL AB , participó en una ronda de inversión de US$27  millones en enero de 2009, liderada por Meritech Capital Partners . ^{[ 8 ]} El proyecto Bizgres incluía a algunos otros miembros y recibió soporte hasta aproximadamente 2008, cuando el producto también se llamaba simplemente "Greenplum". ^{[ 10 ] [ 11 ]} El Sun Fire X4500 era una arquitectura de referencia y fue utilizado por la mayoría de los clientes hasta que se realizó una transición a Linux alrededor de esa época. Greenplum fue adquirido por EMC Corporation en julio de 2010, convirtiéndose en la base de la división de software de big data de EMC . ^{[ 1 ]} Aunque EMC no reveló el valor, se estimó en US$300  millones . ^{[ 12 ] [ 13 ]} Los productos de Greenplum en el momento de la adquisición eran Greenplum Database, Chorus (una herramienta de gestión) y Data Science Labs. Greenplum tenía clientes en mercados verticales, incluido eBay . ^{[ 14 ]} Se convirtió en parte de Pivotal Software en 2012. ^{[ 15 ]}

En 2013 se anunció una variante que utiliza Apache Hadoop para almacenar datos en el sistema de archivos de Hadoop llamada Hawq. ^{[ 16 ] [ 17 ]} En 2015 se anunciaron los proyectos de software de código abierto GreenplumDB y Hawq . ^{[ 18 ]}

El producto de base de datos Greenplum utiliza técnicas de procesamiento masivamente paralelo (MPP). Cada clúster de computadoras consta de un nodo maestro, un nodo maestro en espera y nodos de segmento. ^{[ 19 ]} Todos los datos residen en los nodos de segmento y la información del catálogo se almacena en los nodos maestros. Los nodos de segmento ejecutan uno o más segmentos, que son instancias de base de datos PostgreSQL modificadas y se les asigna un identificador de contenido. Para cada tabla, los datos se dividen entre los nodos de segmento según las claves de columna de distribución especificadas por el usuario en el lenguaje de definición de datos . Para cada identificador de contenido de segmento, hay un segmento primario y un segmento espejo que no se ejecutan en el mismo host físico. Cuando una consulta ingresa al nodo maestro, se analiza, planifica y distribuye a todos los segmentos para ejecutar el plan de consulta y devolver los datos solicitados o insertar el resultado de la consulta en una tabla de la base de datos. El lenguaje de consulta estructurado , versión SQL:2003 , se utiliza para presentar las consultas al sistema. La semántica de transacciones cumple con las restricciones conocidas como ACID . ^{[ 20 ]}

Entre los competidores se incluyen otros sistemas de gestión de bases de datos MPP proporcionados por proveedores importantes como Teradata , Amazon Redshift , Microsoft Azure , Alibaba AnalyticDB y, en el pasado, IBM Netezza . ^{[ 19 ] [ 21 ]} La competencia adicional proviene de otros competidores más pequeños, bases de datos orientadas a columnas como HP Vertica , Exasol y proveedores de almacenamiento de datos con arquitectura que no es MPP, como Oracle Exadata , IBM Db2 y SAP HANA .

En septiembre de 2023, se lanzó Greenplum Database versión 7. ^{[ 22 ]} La versión 7 se basa en PostgreSQL versión 12.12.

En septiembre de 2019, se lanzó Greenplum Database versión 6. La versión 6 se basa en PostgreSQL versión 9.4 y presenta mejoras sustanciales en el rendimiento OLTP ^{[ 23 ]} . Greenplum 6 fue reseñado en los medios por varias fuentes y mencionado por su alineación con el código abierto de Postgres ^{[ 24 ]} y por su rendimiento OLTP ^{[ 25 ].}

En septiembre de 2017, se lanzó Greenplum Database versión 5. La versión 5 incluye la primera iteración de la estrategia del proyecto Greenplum de integrar versiones posteriores de PostgreSQL en Greenplum y se basa en PostgreSQL versión 8.3, en lugar de la versión anterior 8.2. ^{[ 26 ]} La versión 5 también introduce la disponibilidad general del optimizador GPORCA ^{[ 27 ]} para la optimización basada en costos de SQL diseñada para big data.