【趙強老師】大數據分析引擎：Presto

一、什麼是Presto？背景知識：Hive的缺點和Presto的背景 Hive使用MapReduce作為底層計算框架，是專為批處理設計的。但隨著數據越來越多，使用Hive進行一個簡單的數據查詢可能要花費幾分到幾小時，顯然不能滿足互動式查詢的需求。Presto是一個分散式SQL查詢引擎，它被設計為用 ...

一、什麼是Presto？

背景知識：Hive的缺點和Presto的背景

Hive使用MapReduce作為底層計算框架，是專為批處理設計的。但隨著數據越來越多，使用Hive進行一個簡單的數據查詢可能要花費幾分到幾小時，顯然不能滿足互動式查詢的需求。Presto是一個分散式SQL查詢引擎，它被設計為用來專門進行高速、實時的數據分析。它支持標準的ANSI SQL，包括複雜查詢、聚合（aggregation）、連接（join）和視窗函數（window functions)。這其中有兩點就值得探究，首先是架構，其次自然是怎麼做到低延遲來支持及時交互。

PRESTO是什麼？

Presto是一個開源的分散式SQL查詢引擎，適用於互動式分析查詢，數據量支持GB到PB位元組。Presto的設計和編寫完全是為瞭解決像Facebook這樣規模的商業數據倉庫的互動式分析和處理速度的問題。

它可以做什麼？

Presto支持線上數據查詢，包括Hive, Cassandra, 關係資料庫以及專有數據存儲。一條Presto查詢可以將多個數據源的數據進行合併，可以跨越整個組織進行分析。Presto以分析師的需求作為目標，他們期望響應時間小於1秒到幾分鐘。 Presto終結了數據分析的兩難選擇，要麼使用速度快的昂貴的商業方案，要麼使用消耗大量硬體的慢速的“免費”方案。

誰在使用它？

Facebook使用Presto進行互動式查詢，用於多個內部數據存儲，包括300PB的數據倉庫。每天有1000多名Facebook員工使用Presto，執行查詢次數超過30000次，掃描數據總量超過1PB。領先的互聯網公司包括Airbnb和Dropbox都在使用Presto。

二、Presto的體系架構

Presto是一個運行在多台伺服器上的分散式系統。完整安裝包括一個coordinator和多個worker。由客戶端提交查詢，從Presto命令行CLI提交到coordinator。 coordinator進行解析，分析並執行查詢計劃，然後分發處理隊列到worker。

Presto查詢引擎是一個Master-Slave的架構，由一個Coordinator節點，一個Discovery Server節點，多個Worker節點組成，Discovery Server通常內嵌於Coordinator節點中。Coordinator負責解析SQL語句，生成執行計劃，分發執行任務給Worker節點執行。Worker節點負責實際執行查詢任務。Worker節點啟動後向Discovery Server服務註冊，Coordinator從Discovery Server獲得可以正常工作的Worker節點。如果配置了Hive Connector，需要配置一個Hive MetaStore服務為Presto提供Hive元信息，Worker節點與HDFS交互讀取數據。

三、安裝Presto Server

安裝介質

presto-cli-0.217-executable.jar
presto-server-0.217.tar.gz

安裝配置Presto Server

　　1、解壓安裝包

tar -zxvf presto-server-0.217.tar.gz -C ~/training/

　　2、創建etc目錄

cd ~/training/presto-server-0.217/
mkdir etc

　　3、需要在etc目錄下包含以下配置文件

Node Properties: 節點的配置信息
JVM Config: 命令行工具的JVM配置參數
Config Properties: Presto Server的配置參數
Catalog Properties: 數據源（Connectors）的配置參數
Log Properties：日誌參數配置

編輯node.properties

#集群名稱。所有在同一個集群中的Presto節點必須擁有相同的集群名稱。
node.environment=production
 
#每個Presto節點的唯一標示。每個節點的node.id都必須是唯一的。在Presto進行重啟或者升級過程中每個節點的node.id必須保持不變。如果在一個節點上安裝多個Presto實例（例如：在同一臺機器上安裝多個Presto節點），那麼每個Presto節點必須擁有唯一的node.id。
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff 
 
# 數據存儲目錄的位置（操作系統上的路徑）。Presto將會把日期和數據存儲在這個目錄下。
node.data-dir=/root/training/presto-server-0.217/data

編輯jvm.config

由於OutOfMemoryError將會導致JVM處於不一致狀態，所以遇到這種錯誤的時候我們一般的處理措施就是收集dump headp中的信息（用於debugging），然後強制終止進程。Presto會將查詢編譯成位元組碼文件，因此Presto會生成很多class，因此我們我們應該增大Perm區的大小（在Perm中主要存儲class）並且要允許Jvm class unloading。

-server
-Xmx16G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError

編輯config.properties

　　　　coordinator的配置

coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=8080
query.max-memory=5GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery-server.enabled=true
discovery.uri=http://192.168.157.226:8080

　　　　workers的配置

coordinator=false
http-server.http.port=8080
query.max-memory=5GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery.uri=http://192.168.157.226:8080

　　　　如果我們想在單機上進行測試，同時配置coordinator和worker，請使用下麵的配置：

coordinator=true
node-scheduler.include-coordinator=true
http-server.http.port=8080
query.max-memory=5GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery-server.enabled=true
discovery.uri=http://192.168.157.226:8080

　　　　參數說明：

編輯log.properties

　　　　配置日誌級別。

com.facebook.presto=INFO

配置Catalog Properties

Presto通過connectors訪問數據。這些connectors掛載在catalogs上。 connector可以提供一個catalog中所有的schema和表。例如：Hive connector 將每個hive的database都映射成為一個schema，所以如果hive connector掛載到了名為hive的catalog，並且在hive的web有一張名為clicks的表，那麼在Presto中可以通過hive.web.clicks來訪問這張表。通過在etc/catalog目錄下創建catalog屬性文件來完成catalogs的註冊。如果要創建hive數據源的連接器，可以創建一個etc/catalog/hive.properties文件，文件中的內容如下，完成在hivecatalog上掛載一個hiveconnector。

#註明hadoop的版本
connector.name=hive-hadoop2
 
#hive-site中配置的地址
hive.metastore.uri=thrift://192.168.157.226:9083
 
#hadoop的配置文件路徑
hive.config.resources=/root/training/hadoop-2.7.3/etc/hadoop/core-site.xml,/root/training/hadoop-2.7.3/etc/hadoop/hdfs-site.xml

註意：要訪問Hive的話，需要將Hive的MetaStore啟動：hive --service metastore

四、啟動Presto Server

./launcher start

五、運行presto-cli

下載：presto-cli-0.217-executable.jar
重命名jar包，並增加執行許可權

cp presto-cli-0.217-executable.jar presto 
chmod a+x presto

連接Presto Server

./presto --server localhost:8080 --catalog hive --schema default

六、使用Presto

使用Presto操作Hive

使用Presto的Web Console：埠：8080

使用JDBC操作Presto

　　　　1、需要包含的Maven依賴

<dependency>
	<groupId>com.facebook.presto</groupId>
	<artifactId>presto-jdbc</artifactId>
	<version>0.217</version>
</dependency>

　　　　2、JDBC代碼

*******************************************************************************************