Presto安装部署详细说明

最新推荐文章于 2024-08-11 09:42:56 发布

仙道Bob

最新推荐文章于 2024-08-11 09:42:56 发布

阅读量5.3k

点赞数 5

分类专栏： # presto

本文链接：https://blog.csdn.net/jsbylibo/article/details/107821214

版权

presto 专栏收录该内容

5 篇文章 1 订阅

订阅专栏

一、官网教程

https://prestodb.io/docs/current/installation.html

二、环境准备

Presto需要：Linux Java8_64

JDK自行安装，不用多说了

三、单节点部署

1.presto下载

下载安装包：https://prestodb.io/download.html

时间：2020-08-03，最新版本0.238.2，大小：800M左右

presto-server-0.238.2.tar.gz
presto-cli-0.238.2-executable.jar
presto-jdbc-0.238.2.jar

2.上传解压

1.所有应用安装到/data下(个人习惯)，创建presto目录：

mkdir presto

2.上传presto文件，并解压

tar -xzvf presto-server-0.238.2.tar.gz

3.配置Presto

在安装目录下创建一个etc目录。在etc目录下配置以下信息：

节点属性(Node Properties)：每个节点的环境配置信息
JVM配置(JVM Config)：JVM的命令行选项
配置属性(Config Properties)：PrestoServer的配置信息
日志级别(Log Properties)：日志级别配置信息
Catalog属性(Catalog Properties)：连接器配置信息(数据源)

3.1 Node Properties

节点属性配置文件：etc/node.properties包含针对于每个节点的特定的配置信息。一个节点就是在一台机器上安装的一个实例。这个配置文件一般情况下是在Presto第一次安装的时候，由部署系统创建的，一个etc/node.properties配置文件至少包含如下配置信息：

node.environment=production
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
node.data-dir=/var/presto/data

各配置参数描述如下：

node.enviroment：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，这个名字就是控制台右上角展示的enviroment。

node.id：每个Presto节点的唯一标识，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：数据存储目录的位置(操作系统上的路径)，Presto将会把日期和数据存储在这个目录下。

具体配置：

cd ./etc
vi node.properties

#输入配置
node.environment=test_bob
node.id=bigdata_test1
node.data-dir=/data/presto/presto-server-0.238.2/data

3.2 JVM Config

JVM配置文件：etc/jvm.config，包含一系列在启动JVM时候需要使用的命令行选项。

一个典型的etc/jvm.config配置文件如下：

-server
-Xmx16G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError
-XX:ReservedCodeCacheSize=256M

由于OutOfMemoryError将会导致JVM处于不一致状态，一般的处理措施是将写入dump headp中的信息，然后强制终止进程。老版的可添加-XX:OnOutOfMemoryError=kill -9 %p，新版的用-XX:+ExitOnOutOfMemoryError。

具体的内存配置大小可以根据机器的内存大小设置，用命令free -g查看，不宜设置过大，也不能太小。由于测试机器内存只有32G，所以配置就用了上面的配置。

具体配置：

cd ./etc
vi jvm.config

#输入配置
-server
-Xmx16G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError
-XX:ReservedCodeCacheSize=256M

3.3 Config Properties

Presto配置文件：etc/config.properties包含了Presto Server的所有配置信息。每个Presto Server即可以是一个coordinator也可以是一个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(调度节点)。

一个coordinator的配置至少包含以下信息：

coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=8080
query.max-memory=50GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery-server.enabled=true
discovery.uri=http://example.net:8080

一个worker的配置至少包含以下信息：

coordinator=false
http-server.http.port=8080
query.max-memory=50GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery.uri=http://example.net:8080

作为单节点测试，这台机器既会作为coordinator，也会作为worker。配置如下：

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://example.net:8080

各配置项解释：

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(即作为coordinator又作为worker。对于大型的集群，在一个节点上的Presto server即作为coordinator又作为worker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。

query.max-memory：可查询最大内存。

query.max-memory-per-node：可查询最大单用户内存。

query.max-total-memory-per-node：一个查询可使用的最大用户和内存。

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。

具体配置：

vi config.properties

#调度节点配置
coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=9666
query.max-memory=30GB
query.max-memory-per-node=3GB
query.max-cpu-time=4h
discovery-server.enabled=true
discovery.uri=http://yy-t-bigdata1.niwodai.com:9666
#选择性配置
scheduler.http-client.request-timeout=10m
scheduler.http-client.idle-timeout=10m
node-manager.http-client.request-timeout=10m
node-manager.http-client.idle-timeout=10m
memoryManager.http-client.request-timeout=10m
memoryManager.http-client.idle-timeout=10m
task.max-worker-threads=32


#worker节点配置
coordinator=false
http-server.http.port=9666
query.max-memory=10GB
query.max-memory-per-node=1GB
discovery.uri=http://yy-t-bigdata1.niwodai.com:9666

3.4 Log Properties

日志配置文件：etc/log.properties。类似Java的日志级别，包括INFO、DEBUG、ERROR。

com.facebook.presto=INFO

3.5 Catalog Properties

Presto通过connectors访问数据。这些connectors挂载在catalogs上。 connector可以提供一个catalog中所有的schema和表。例如： Hive connector 将每个hive的database都映射成为一个schema，所以如果hive connector挂载到了名为hive的catalog，并且在hive的web有一张名为clicks的表，那么在Presto中可以通过hive.web.clicks来访问这张表。
通过在etc/catalog目录下创建catalog属性文件来完成catalogs的注册。
例如：
如果要创建jmx数据源的连接器，可以创建一个etc/catalog/jmx.properties文件，文件中的内容如下，完成在jmxcatalog上挂载一个jmxconnector：
connector.name=jmx

如果要创建hive数据源的连接器，可以创建一个etc/catalog/hive.properties文件，文件中的内容如下，完成在hivecatalog上挂载一个hiveconnector：
connector.name=hive-hadoop2
hive.metastore.uri=thrift://example.net:9083
hive.config.resources=/etc/hadoop/conf/core-site.xml,/etc/hadoop/conf/hdfs-site.xml

参数说明
connector.name为连接器名称，hive的话需要加上版本号例如hive-hadoop2
hive.metastore.uri需要与hive的metastore地址和端口对应。
一般配置在/etc/hive/conf/hive-site.xml中。

具体配置：

mkdir catalog
cd catalog
vi hive.properties

#输入配置
connector.name=hive-hadoop2
hive.metastore.uri=thrift://yy-t-bigdata2.niwodai.com:9083
hive.config.resources=/etc/hadoop/conf/core-site.xml, /etc/hadoop/conf/hdfs-site.xml
hive.allow-drop-table=true
hive.storage-format=ORC
hive.metastore-cache-ttl=1s
hive.metastore-refresh-interval=1s
hive.metastore-timeout=35m
hive.max-partitions-per-writers=1000

配置完成，最终etc下：catalog config.properties jvm.config log.properties node.properties

3.6 启动运行presto

在安装目录的bin/launcher文件，就是启动脚本。Presto可以使用如下命令作为一个后台进程启动：

bin/launcher start

另外，也可以在前台运行，日志和相关输出将会写入stdout/stderr

bin/launcher run

停止

bin/launcher stop

重启

bin/launcher restart

查看服务进程

bin/launcher status

查看进程

ps -aux|grep PrestoServer 或 jps

启动完之后，日志将会写在var/log目录下，该目录下有如下文件：

launcher.log：这个日志文件由launcher创建，并且server的stdout和stderr都被重定向到了这个日志文件中。这份日志文件中只会有很少的信息，包括：
在server日志系统初始化的时候产生的日志和JVM产生的诊断和测试信息。
server.log：这个是Presto使用的主要日志文件。一般情况下，该文件中将会包括server初始化失败时产生的相关信息。这份文件会被自动轮转和压缩。
http-request.log：这是HTTP请求的日志文件，包括server收到的每个HTTP请求信息，这份文件会被自动轮转和压缩。

3.7 连接hive测试验证

将一开始下载的包：presto-cli-0.238.2-executable.jar，重命名为presto

mv presto-cli-0.238.2-executable.jar presto

chmod +x presto

使用beeline连接hive，show tables；

再进入presto cli，使用命令：

./presto --server http://yy-t-bigdata1.niwodai.com:9666 --catalog hive --schema default

show tables;

比较与hive查出来的是否一致。

四、集群配置

1.架构

192.168.0.141:coordinator调度节点
192.168.0.142:worker节点
192.168.0.143:worker节点
192.168.0.144:worker节点
192.168.0.145:worker节点
192.168.0.146:worker节点

2.传输（SCP）

scp -r /data/prosto user@remote_ip:/data

#如果data是root权限，先切换用户

sudo su
scp -r /data/prosto remote_ip:/data

#进入目标机器，切换presto权限
chown -R user:usergreoup presto

3.修改配置

3.1 修改node.properties

vi node.properties

#修改node.id
node.environment=test_bob
node.id=bigdata_test2
node.data-dir=/data/presto/presto-server-0.238.2/data

3.2修改config.properties

vi config.properties

#worker配置
coordinator=false
http-server.http.port=9666
query.max-memory=10GB
query.max-memory-per-node=1GB
discovery.uri=http://yy-t-bigdata1.niwodai.com:9666

4.启动

与单节点启动方式一样。

注意：先删除data下etc和plugin目录，这个是从第一个节点带过来的，不然启动会有冲突！

5.一键重启

在141机器上先配置免密：

然后写一个shell脚本，远程重启worker节点：

ssh 192.168.0.142 "ps -ef | grep presto-server  | grep -v grep | grep PrestoServer | awk '{print $2}' | xargs kill -9;/data/presto/presto-server-0.238.2/bin/launcher restart" &

五、资源组

1.何为资源组

Presto的资源组机制，是从资源分配的角度来控制集群的整体查询负载。Presto会在集群整体资源下开辟多个资源组，每一个提交的查询都会分配到一个特定的资源组执行。在特定资源组A开启一个新的查询B之前，会检查当前A的资源负载是否超过了集群给A分配的资源量；如果已经超过了，资源组机制会阻塞新到的查询B，使其处于排队状态甚至直接拒绝。

资源可以分成CPU，内存，带宽，磁盘等维度，Presto资源组主要定义了内存和CPU两个维度。

2.配置

2.1 resource-groups.properties

在Presto Coordinator节点安装目录etc下新建一个文件 resource-groups.properties，然后将resource-groups.config-file 指向资源组配置文件的路径，比如：

cd etc
vi resource-groups.properties

#输入配置
resource-groups.configuration-manager=file
resource-groups.config-file=etc/resource_groups.json

2.2 resource_groups.json

2.2.1 资源组主要配置项
name（必须）：特定资源组名称；
maxQueued（必须）：排队任务的最大数量，当达到此阈值后，新的任务将被拒绝；
hardConcurrencyLimit（必须）：任何时刻处于"RUNNING"状态的查询的最大数量；
softMemoryLimit（必须）：这个资源组最大内存使用量，当达到此阈值后，新任务进入排队。可以指定为一个绝对值（如100GB），也可以指定对集群内存总量的百分比（如60%）；
softCpuLimit（可选）：一个周期里可以使用cpu的时间，hardCpuLimit也必须指定，在达到该阈值后，该资源组内占据最大CPU资源的查询的CPU资源会被减少；
hardCpuLimit（可选）：一个周期里可以使用的cpu时间，在达到该阈值后，新的查询会进行排队而非直接执行；
schedulingPolicy（可选）：指定查询从排队到运行状态的调度策略。
【这里解决用户问题2，参照不同的调度策略，可能会有不同的资源分配顺序】
主要有以下类型：
fair（default）：当一个资源组下，有几个子资源组都同时有排队的查询，这些子资源组间按照定义的顺序，轮流获得资源，同一个子资源组的查询按照先来先执行的规则获取资源；
weighted_fair ：采取这种策略的每一个资源组会配置一个属性schedulingWeight，每个子资源组会计算一个比值：
当前子资源组查询数量/schedulingWeight，比值越小的子资源组越先得到资源；
weighted：默认值为1，子资源组的schedulingWeight越大，越先得到资源；
query_priority：所有的子资源组都要配置为 query_priority ，排队的查询严格按照指定的query_priority大小顺序来进行获取资源。

2.2.2 资源组选择器
user（可选）：匹配用户名；
source（可选）：匹配连接源，如cli、jdbc、pyhive等；
queryType（可选）：匹配任务类型；
clientTags（可选）：tag列表，每个tag必须在用户提交任务的tag列表里；
group（必须）：这些任务运行的组。
【这里解决用户问题3，可以对不同的查询类型queryType，比如EXPLAIN、INSERT、SELECT和DATA_DEFINITION等类型，匹配到不同的资源组，分配不同的资源，来执行查询】

具体配置：

vi resource_groups.json

{
  "rootGroups": [
    {
      "name": "global",
      "softMemoryLimit": "100%",
      "hardConcurrencyLimit": 15,
      "maxQueued": 100,
      "schedulingPolicy": "weighted",
      "subGroups": [
        {
          "name": "operation",
          "softMemoryLimit": "30%",
          "softCpuLimit": "10h",
          "hardCpuLimit": "10h",
          "hardConcurrencyLimit": 8,
          "maxQueued": 20,
          "schedulingWeight": 8,
          "runningTimeLimit": "30m",
          "queuedTimeLimit" : "10m"
        }
        {
          "name": "default",
          "softMemoryLimit": "30%",
          "softCpuLimit": "10h",
          "hardCpuLimit": "10h",
          "hardConcurrencyLimit": 15,
          "maxQueued": 20,
          "schedulingWeight": 2,
          "runningTimeLimit": "30m",
          "queuedTimeLimit" : "10m"
        }
      ]
    },
    {
      "name": "admin",
      "softMemoryLimit": "100%",
      "softCpuLimit": "8h",
      "hardCpuLimit": "8h",
      "runningTimeLimit": "60m",
      "hardConcurrencyLimit": 15,
      "maxQueued": 20,
      "schedulingPolicy": "fair"
     }
  ],
  "selectors": [
    {
      "source": "operation",
      "group": "global.operation"
    },
    {
      "source": "default",
      "group": "global.default"
    },
    {
      "user": "presto",
      "group": "global.default"
    }
   ],
  "cpuQuotaPeriod": "1m"
}



vi queue_config.json

{
  "queues": {
    "user.${USER}": {
      "maxConcurrent": 25,
      "maxQueued": 25
    },
    "datamart": {
      "maxConcurrent": 25,
      "maxQueued": 50,
      "softMemoryLimit": "50%",
      "softCpuLimit":"3h",
      "hardCpuLimit": "2h"
    },
    "admin": {
      "maxConcurrent": 10,
      "maxQueued": 35
    },
    "global": {
      "maxConcurrent": 3,
      "maxQueued": 5,
      "softMemoryLimit": "10%",
      "softCpuLimit":"45m",
      "hardCpuLimit": "35m"
    }
  },
  "rules": [
    {
      "user": "presto",
      "queues": ["admin"]
    },
    {
      "user": "datamart",
      "queues": ["datamart"]
    },
    {
       "user": "zhang",
       "queues" : ["global"]
    },
    {
        "user": "lili",
        "queues" : ["global"]
    }
  ]
}