你试过使用spark-jdbc连接器来读取spark数据吗？
使用分区列、下限、上限和numpartitions将greenplum表拆分为多个spark worker。
例如，您可以使用此示例

import java.util.Random

import org.apache.spark.sql.SQLContext

import org.apache.spark.{SparkConf, SparkContext}

object SparkGreenplumApp extends App {

  val conf = new SparkConf().setAppName("SparkGreenplumTest")

  val sparkContext = new SparkContext(conf)

   val sqlContext = new SQLContext(sparkContext)

  import sqlContext.implicits._

 val df = sqlContext.load("jdbc", Map(
    "url" -> "jdbc:postgresql://servername:5432/databasename?user=username&password=*******",
    "dbtable" -> "(select col, col2, col3 where datecol > '2017-01-01' and datecol < '2017-02-02' ) as events",
    "partitionColumn"-> "ID",
    "lowerBound"->"100",
    "upperBound"->"500",
    "numPartitions"->"2",
    "driver" -> "org.postgresql.Driver"))
}

在发布我的答案之前，我想根据我的理解（以确保我正确理解问题）将问题重新表述如下：
您拥有非常适合关系数据库模型的tbs数据，并且大多数情况下都希望使用sql查询数据（我认为这就是为什么您将其放入greenplum db中），但有时您希望使用spark和mapreduce访问数据，因为它们具有灵活性。
如果我的理解是正确的，我强烈建议你试试hawq。hawq的一些特性使它完全符合您的需求（注意：我可能有偏见，因为我是hawq的开发人员）。
首先，hawq是一个基于hadoop的sql数据库，这意味着它使用hdfs作为数据存储。hawq不支持greenplum db存储层。
其次，很难反驳“hdfs的效率将低于greenplum”。但性能差异并不像你想象的那么显著。我们对访问hdfs数据做了一些优化。一个例子是，如果我们发现一个数据块存储在本地，我们直接从磁盘读取它，而不是通过正常的rpc调用。
第三，hawq有一个特性，名为hawq inputformat for mapreduce（greenplum db没有这个特性）。有了这个特性，您可以编写spark和mapreduce代码来轻松高效地访问hawq数据。hawq inputformat for mapreduce与hadoop提供的dbinputformat不同（它会使主机成为性能瓶颈，因为所有数据都首先通过主机），它允许spark和mapreduce代码直接访问存储在hdfs中的hawq数据。它是完全分布式的，因此非常有效。
最后，当然，您仍然可以使用sql使用hawq查询数据，就像使用greenplum db一样。