hdlee2u/gpdb-analytics

Greenplum数据库镜像（含数据科学工具）

该镜像基于CentOS 7.4构建，包含Greenplum Database 5.10.2及MADlib、PL/R、PL/Python等数据科学工具，支持大规模数据存储、分析与机器学习任务。

核心组件版本

• CentOS：7.4
• Greenplum Database：5.10.2
• MADlib：1.15
• PL/R：2.3.2
• DataScienceR：1.0.1
• DataSciencePython：1.1.1

核心功能

1. 分布式数据库能力：Greenplum提供高性能的大规模数据存储与查询支持
2. 机器学习集成：通过MADlib实现SQL中的机器学习算法（如回归、分类、聚类等）
3. 多语言扩展：支持PL/R和PL/Python，方便数据科学家使用熟悉的语言进行分析
4. 可视化工具兼容：可通过PGAdmin IV进行可视化SQL查询与管理

使用场景

• 大数据分析与挖掘任务
• 机器学习模型训练与部署
• 企业级数据仓库构建
• 科研与教学中的数据处理场景

配置与使用说明

1. 拉取镜像

bash
docker pull docker.xuanyuan.run/hdlee2u/gpdb-analytics
docker images

2. 启动容器（映射端口）

bash
docker run -i -d -p 5432:5432 -p 28080:28080 --name gpdb-ds --hostname mdw docker.xuanyuan.run/hdlee2u/gpdb-analytics /usr/sbin/sshd -D
docker ps -a

3. 启动Greenplum并使用psql

bash
# 进入容器
docker exec -it gpdb-ds /bin/bash
# 切换到gpadmin用户
su - gpadmin
# 启动Greenplum服务
gpstart -a
# 进入psql交互界面
psql

4. PGAdmin IV配置

• 主机：localhost
• 端口：5432
• 维护数据库：gpadmin
• 用户名：gpadmin
• 密码：pivotal
• 组：Servers
• 内核端口：22

PGAdmin 4下载地址：https://www.pgadmin.org/download/

5. 容器管理

• 停止容器：docker stop gpdb-ds
• 重启容器：docker start gpdb-ds
• 查看容器状态：docker ps

6. 端口占用解决

若出现端口5432占用错误，执行以下命令：

bash
# 检查占用进程
sudo lsof -i :5432
# 终止进程（替换93为实际PID）
sudo kill -15 93

参考链接

• Greenplum官方文档：[***]
• MADlib官方文档：http://madlib.apache.org/
• PL/R扩展说明：https://gpdb.docs.pivotal.io/590/ref_guide/extensions/pl_r.html
• PL/Python扩展说明：https://gpdb.docs.pivotal.io/590/ref_guide/extensions/pl_python.html
• 详细配置指南：[***]

致谢：感谢SangHee、YoungHo、YounJin和Sangwon的贡献。