数据源
数据源节点有很多种，比如数据表，系统表，函数，外表（foreign data wrapper）。这些数据源节点产生的数据有各自的分布特性。而对于中间节点，比如连接，聚合，集合操作，为了能够实现特定的处理逻辑，对数据的分布特性同样有特定的要求。数据的分布特性在Greenplum中称为Locus。下表列举了Locus的类型和其分布特性的说明
|
CdbLocusType_Entry
|
数据分布在 Master 上
|
|
CdbLocusType_SingleQE
|
数据集中分布在单个执行节点上
|
|
CdbLocusType_General
|
自包含的数据类型，与任何数据类型兼容
|
|
CdbLocusType_SegmentGeneral
|
与 CdbLocusType_General 相同，但是不能应用在 QD 上
|
|
CdbLocusType_Replicated
|
数据在每个 QE 节点上有一份复制
|
|
CdbLocusType_Hashed
|
数据哈希分片，NULL 值被分布到一个 QE
|
|
CdbLocusType_HashedOJ
|
数据哈希分片，但是 NULL 随机分布在多个 QE 上，一般是外连接的结果
|
|
CdbLocusType_Strewn
|
数据以未知的方式分片，通常是随机分布
|
数据表是数据库中最常见的数据源。Greenplum目前支持两种类型的数据表，普通表和复制表。普通表的数据分布在所有的Segment上，如果用户在创建表的时候，指定了分布键，数据会按照分布键的哈希值分布在各个Segment上，那么这个表的Locus为CdbLocusType_Hashed。如果用户在建表时没有指定分布键，数据会随机分布到各个Segment，那么这个表的分布类型则CdbLocusType_Strewn。复制表中，每个Segment都有一份完整的数据，所以它的数据分布类型为CdbPathLocus_IsSegmentGenera。
系统表也能够作为查询语句的数据源。在Greenplum中，为了能够在所有的Master和Segment节点上方便的访问系统表信息，几乎所有的系统表在Master和Segment上都存在一份完整的备份，但是当查询语句显式的用到系统表时，优化器认为系统表存在于Master上，所以系统表的Locus为Entry。
FDW是一种数据库对外部数据源的抽象。由于数据库通常并不知道外部数据源的分布情况，或者外部数据源并没有数据分布的概念，又或者外部数据源对于数据分布的抽象与Greenplum不相容。在GreenPlum中默认外部数据是未知分布，所以它的Locus为Strewn。
General是一种跟任何Locus都能相容的数据分布类型。General被称为自包含的类型，这意味着General类型的数据集在任何执行节点上（包括QD和QE），都有完整的数据。所以General可以与任何一种Locus相容。最典型的General数据集是generate_series(1,100)函数，这个函数在任何节点上执行都会按顺序产生1到100的整数。
函数是Greenplum上的一种常见的数据源。在Greenplum中，创建函数时可以指定函数的运行方式，分别为：
-
EXECUTE ON ANY，函数可以运行在任何一个或几个Master或者Segment上，每个函数都能够返回全量的数据，所以函数的Locus为General
-
EXECUTE ON MASTER，函数只能运行在Master上，所以函数的Locus为Entry
-
EXECUTE ON ALL SEGMENTS，函数运行在所有Segment上，所以函数的locus为Strewn
因此大家可能会发现，以上4种数据源并没有涵盖所有的8种Locus。这是因为Join和Motion节点会产生新的Locus。下面的部分将要讨论Locus在Join中的相容性和不同Locus之间的转换。
数据分布的相容性
上文提到，其中一个可能需要添加Motion节点的位置是表连接。表连接的定义是将两个关系中符合连接条件的元组连接在一起，生成一个新的关系。那么在分布式环境中正确的进行Join的前提就是，两个表中符合条件的元组分布在相同的Segment上。那么怎样的数据分布才能保证参加Join的两个输入数据源符合连接条件的元组分布在相同的Segment节点上呢
上图反映了不同的
Locus在Join中能否保证符合条件的元组分布在同一个Segment上，通常满足条件的Locus被称为Join相容。上图中黄色的椭圆代表连接运算输入源数据的Locus，浅蓝色的椭圆代表Join生成结果的Locus。两个不同的黄色椭圆通过箭头指向浅蓝色椭圆，代表两个黄色椭圆中的Locus的Join的结果是浅蓝色椭圆中的Locus。黄色椭圆指向自己的箭头表示输入的两个数据源都是黄色椭圆中的Locus，并且连接生成的结果跟输入数据源的Locus相同。以一个选课系统的例子来验证上图中的
Join相容性。在这个选课系统中一共有4张数据表。student是参与选课的学生信息。teacher是课程教师的信息。course是课程信息。enrolled是选课信息CREATE TABLE student(sid int, sname text, sage int) DISTRIBUTED BY (sid);
CREATE TABLE teacher (tid int, tname text, tage int) DISTRIBUTED BY (tid);
CREATE TABLE enrolled (sid int, cid int, score int) DISTRIBUTED RANDOMLY;
CREATE TABLE course (cid int, cname text, tid int) DISTRIBUTED REPLICATED;student和teacher的创建语句指定了分布键，所以他们的Locus为CdbLocusType_Hashed。course的创建语句指定为复制表，所以它的Locus为CdbLocusType_SegmentGeneral。enrolled的创建语句指定分布方式为randomly，所以它的Locus为Strewn
以下面的sql为例：
SELECT sid, cid, tid, cname FROM course c, enrolled e WHERE c.cid = e.cid;
表course的Locus为SegmentGeneral，表enrolled的Locus为Strewn。两表在cid字段进行内连接。可以看出Join结果的Locus仍然为Strewn。同理可以推断出Strewn与General/Replicated的连接结果的Locus同样是Strewn。
SELECT tid, tname, cname FROM course c, teacher t WHERE t.tid = c.tid;
表course的Locus为SegmentGeneral，表teacher的Locus为Hashed。两表在tid字段进行内连接。可以看出连接结果的Locus仍然为Hashed。同理可以推断出Hashed与General/Replicated的连接结果的Locus同样是Hashed。
将General/SegmentGeneral/Replicated作为一类进行考虑，统一认为数据是在所有的Segment节点上复制的。那么这类数据Locus就可以与任何其他种类的Locus相兼容，Join的输出结果则为对方的Locus。
Strewn是一种分片的数据分布，但是分片的方法未知。所以数据库只能认为数据是随机分片分布在所有的Segment上。如果对表为General/SegmentGeneral/Replicated，由于对表在任何一个Segment上都含有全量的元组，任何一个符合条件的元组都能在本地找到，所以系统认为两者是Join兼容的。Join输出的Locus为Strewn。
select sid, sname, cid from student s, enrolled e where s.sid = e.sid;
反之，Hashed和Strewn则是不相容的两种Locus。由于Strewn的分布是不确定的分布，所以如果与Strewn进行Join的数据分布类型在每个Segment上没有全量的元组，那么Join的结果就会缺失很多数据。
Hashed/HashedOJ也是一种分片的数据分布，分片方式为按照分布键上的哈希值进行分布。Hashed与HashedOJ的区别在于对空值的处理。HashedOJ是Hashed Outer Join的简写，顾名思义，外连接的结果的分布是HashedOJ。Hashed空值会被分布到同一个Segment，而HashOJ空值会分布在所有的Segment上。同Strewn一样，与General/SegmentGeneral/Replicated是Join兼容的。Join的输出的Locus为Hash。与SingleQE不兼容，因为在除了SingleQE所在的Segment上，任何一个Segment对表都没有数据。与Strewn不兼容，原因是“不能保证在JoinKey上相等的元组分布在相同的Segment上”。与Hash/HashOJ在双方HashKey相同并且是JoinKey的子集时，双方是Join相容的。因为“HashKey相等的元组会被分布到相同的Segment上”。相反，如果不能满足条件，则不相容。
数据重分布
如果参与Join操作的两个表Locus不相容，系统如何才能顺利的完成Join呢？答案对数据进行重新分布。下图描述了Locus之间通过Motion的转化关系
在上图中，Locus按照数据分布的大体特征分成三组：
-
SINGLETON：数据分布在单一的节点上，包含SingleQE，Entry两种Locus
-
REPLICATED：数据是复制的，每个节点上都有一份完整的数据复制，包含Replicated，General，SegmentGeneral三种Locus
-
PARTITIONED：数据是分片的，每个节点包含一部分数据，包含Hashed，Strewn，HashedOJ三种Locus
图中的箭头表示Locus之间互相转换使用的Motion：
-
BroadCastMotion：将输入的元组复制发送到所有的Segment节点
-
GatherMotion：将元组发送到一个节点
-
HashedMotion：将元组按照分布键发送到一组Segment节点
以上三组Locus通过Motion互相转化，每组的任意一个Locus通过对应箭头所代表的的Motion转化为另一组的第一个Locus。比如PARTITIONED组Hashed，HashedOJ，Strewn三个Locus中的任意一个，在通过BroadCastMotion都转化为Replicated
