1.Presto简介说明
Presto是一个开源的分布式SQL查询引擎,适用于交互式分析查询,数据量支持GB到PB字节。
Presto的设计和编写完全是为了解决像Facebook这样规模的商业数据仓库的交互式分析和处理速度的问题。
Presto支持在线数据查询,包括Hive, Cassandra, 关系数据库以及专有数据存储。一条Presto查询可以将多个数据源的数据进行合并,可以跨越整个组织进行分析。
Presto是一个分布式SQL查询引擎,用于查询分布在一个或多个不同数据源中的大数据集
Presto被设计为数据仓库和数据分析产品:数据分析、大规模数据聚集和生成报表。这些工作经常通常被认为是线上分析处理操作。
所以说,当公司业务有跨库分析时(一般情况是,业务数据库分布在各个部门),一些数据需要配合其他部门的数据进行关联查询,这个时候可以考虑Presto。但是目前,对于MySQL统计查询在性能上有瓶颈。可考虑将数据按时间段归档到HDFS中,以提高统计效率。
如果需要对业务数据库进行较为实时的统计,而且不需要跨库操作的时候,建议还是直连数据库。
Presto上使用SQL遇到的一些坑:https://segmentfault.com/a/1190000013120454?utm_source=tag-newest
Presto是一个运行在多台服务器上的分布式系统。 完整安装包括一个coordinator和多个worker。 由客户端提交查询,从Presto命令行CLI提交到coordinator。 coordinator进行解析,分析并执行查询计划,然后分发处理队列到worker。
2.官方文档:https://prestodb.github.io/docs/current/installation.html
3.下载:wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.220/presto-server-0.220.tar.gz
4.解压,创建文件夹及文件
cd /data/bigdata/presto && mkdir etc && touch etc/{config.properties,jvm.config,log.properties,node.properties} && mkdir etc/catalog
5.修改配置文件
vim etc/config.properties #配置属性:Presto server的配置信息
每个Presto server既是一个coordinator也是一个worker。 但是在大型集群中,处于性能考虑,建议单独用一台机器作为 coordinator。 一个coordinator的etc/config.properties应该至少包含以下信息: coordinator=true node-scheduler.include-coordinator=false http-server.http.port=8080 query.max-memory=50GB query.max-memory-per-node=1GB discovery-server.enabled=true discovery.uri=http://ip_地址:8080 以下是最基本的worker配置: coordinator=false http-server.http.port=8080 query.max-memory=50GB query.max-memory-per-node=1GB discovery.uri=http://ip_地址:8080 但是如果你用一台机器进行测试,那么这一台机器将会即作为coordinator,也作为worker。配置文件将会如下所示: coordinator=true node-scheduler.include-coordinator=true http-server.http.port=8080 query.max-memory=5GB query.max-memory-per-node=1GB discovery-server.enabled=true discovery.uri=http://ip_地址:8080
对以上配置项解析:
coordinator:指定是否运维Presto实例作为一个coordinator(接收来自客户端的查询情切管理每个查询的执行过程)。 node-scheduler.include-coordinator:是否允许在coordinator服务中进行调度工作。对于大型的集群,在一个节点上的Presto server即作为coordinator又作为worke将会降低查询性能。因为如果一个服务器作为worker使用,那么大部分的资源都不会被worker占用,那么就不会有足够的资源进行关键任务调度、管理和监控查询执行。 http-server.http.port:指定HTTP server的端口。Presto 使用 HTTP进行内部和外部的所有通讯。 task.max-memory=1GB:一个单独的任务使用的最大内存 (一个查询计划的某个执行部分会在一个特定的节点上执行)。 这个配置参数限制的GROUP BY语句中的Group的数目、JOIN关联中的右关联表的大小、ORDER BY语句中的行数和一个窗口函数中处理的行数。 该参数应该根据并发查询的数量和查询的复杂度进行调整。如果该参数设置的太低,很多查询将不能执行;但是如果设置的太高将会导致JVM把内存耗光。 discovery-server.enabled:Presto 通过Discovery 服务来找到集群中所有的节点。为了能够找到集群中所有的节点,每一个Presto实例都会在启动的时候将自己注册到discovery服务。Presto为了简化部署,并且也不想再增加一个新的服务进程,Presto coordinator 可以运行一个内嵌在coordinator 里面的Discovery 服务。这个内嵌的Discovery 服务和Presto共享HTTP server并且使用同样的端口。 discovery.uri:Discovery server的URI。由于启用了Presto coordinator内嵌的Discovery 服务,因此这个uri就是Presto coordinator的uri。修改example.net:8080,根据你的实际环境设置该URI。注意:这个URI一定不能以“/“结尾。
vim etc/jvm.config #JVM 配置:JVM的命令行选项
-server -Xmx4G -XX:+UseG1GC -XX:G1HeapRegionSize=32M -XX:+UseGCOverheadLimit -XX:+ExplicitGCInvokesConcurrent -XX:+HeapDumpOnOutOfMemoryError -XX:+ExitOnOutOfMemoryError
vim etc/log.properties #日志级别
com.facebook.presto=INFO
vim etc/node.properties #节点属性:每个节点的环境配置信息
node.environment=production #集群名称。所有在同一个集群中的Presto节点必须拥有相同的集群名称 node.id=ffffffff-ffff-ffff-ffff-ffffffffffff #每个Presto节点的唯一标示。每个节点的node.id都必须是唯一的。在Presto进行重启或者升级过程中每个节点的node.id必须保持不变。如果在一个节点上安装多个Presto实例(例如:在同一台机器上安装多个Presto节点),那么每个Presto节点必须拥有唯一的node.id node.data-dir=/data/bigdata/presto_data #数据存储目录的位置,最好独立存放,便于presto升级
vim etc/catalog/jmx.properties #Catalog属性:configuration forConnectors(数据源)的配置信息
connector.name=jmx
vim etc/catalog/mysql.properties #数据源,连接mysql
connector.name=mysql connection-url=jdbc:mysql://mysql_ip:3336 connection-user=root connection-password=xxxxx
6.运行Presto
后台运行:cd /data/bigdata/presto/bin && ./launcher start
前台运行:cd /data/bigdata/presto/bin && ./launcher run
7.部署presto client:https://prestodb.github.io/docs/current/installation/cli.html
下载:wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.220/presto-cli-0.220-executable.jar
重命名:cp -r presto-cli-0.220-executable.jar presto-cli
赋予执行权限:chmod +x presto-cli
连接源数据mysql:
/data/bigdata/presto-cli --server localhost:8080 --catalog mysql --schema moodscat
参数说明:
--catalog:指定连接数据源,在/data/bigdata/presto/etc/catalog/mysql.properties中的connector.name指定
--schema:指定连接这个数据实例的具体某个数据库
8.执行数据查询:
推荐用法:
连接全局库:presto-cli --server localhost:8080
查询:
select * from 文件名.库名.表明;
select * from mysql.hue.django_site;