即席查询之presto
即席查询之presto
简介
presto是一个开源的分布式sql查询引擎,数据量支持GB到PB,主要用来处理秒级查询的场景。
注意:虽然presto可以解析sql,但它不是一个标准的数据库。不是mysql、oracle的代替品,也不能用来处理在线事务(OLTP)。
架构
presto由一个coordinator和多个worker组成。
1、由客户端提交查询,从presto命令行cli(command line interface命令行界面)提交到coordinator。
2、coordinator解析查询计划,然后把任务分发给worker执行。
3、worker负责执行任务和处理数据。
4、catalog表示数据源,一个catalog包含schema和connector。
5、connector是适配器,用于presto和数据源(如hive、redis)的连接,类似于jdbc。
6、schema类似于mysql中数据库,table类似于mysql中的表。
7、coordinator是负责从worker获取结果并返回最终结果给client。
优缺点
优点:基于内存运算,减少了硬盘io,计算更快;能够连接多个数据源,跨数据源连表查,如从hive查询大量网站记录访问,然后从mysql中匹配出设备信息。
缺点:链表查询可能会产生大量的临时数据,因此速度会变慢,反而hive此时会更擅长。
性能
impala性能稍领先与presto,但presto在数据源支持上非常丰富,包括hive、图数据库、传统关系型数据库、redis等。
presto安装
官网:https://prestodb.io/
使用docker安装(2个G谨慎安装)
安装docker
sudo yum install -y yum-utils
# 安装`yum-utils`软件包(提供`yum-config-manager` 实用程序)
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
# 并设置稳定的存储库。
sudo yum install -y docker-ce docker-ce-cli containerd.io
# 新版本docker叫docker-ce
sudo systemctl start docker
# 启动docker
sudo docker run hello-world
# 通过运行`hello-world` 镜像来验证是否正确安装了Docker Engine
docker创建一个docker组,但没创建这个用户,可以将普通用户注册到docker组中继承操作docker的权限。
注意:下面的操作可能需要root权限。
使用docker安装presto
docker run -p 8080:8080 --name presto ahanaio/prestodb-sandbox
# 启动presto服务器并公开端口,第一次启动需要下载,再次提示2G大小,谨慎安装
docker exec -it presto presto-cli
# 启动presto命令行界面
presto> show catalogs;
# 测试:显示catalogs中的内容。
到这,presto就安装完成了!这是官网首选的安装方式,除了比较大,安装的确非常简单,并且直接支持docker管理。
使用安装包安装
安装presto Server
安装:
# 下载安装包
wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.196/presto-server-0.196.tar.gz
# 将压缩包解压到/opt/module
tar -zxvf presto-server-0.196.tar.gz -C /opt/module/
# 切换到/opt/module/presto
cd /opt/module/presto
# 改名:有利于管理,比如发生版本升级,只需要简单替换即可
mv presto-server-0.196/ presto
# 创建presto保存数据的目录
mkdir data
# 创建presto配置文件mul
mkdir etc
# 创建etc/jvm.config
vim etc/jvm.config
-server
-Xmx16G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError
# 创建catalog,presto将数据源抽象为catalog,有hive、mysql、kafka等
mkdir catalog
# 配置支持hive的数据源
vim hive.properties
connector.name=hive-bigdata1
hive.metastore.uri=thrift://bigdata201:9083
# 将presto分发到bigdata201、bigdata202
xsync presto
# 在每台机器上创建node配置文件
# bigdata201
vim /opt/module/presto/etc/node.properties
node.environment=production
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
node.data-dir=/opt/module/presto/data
# bigdata202
vim /opt/module/presto/etc/node.properties
node.environment=production
node.id=ffffffff-ffff-ffff-ffff-fffffffffffe
node.data-dir=/opt/module/presto/data
# bigdata203
vim /opt/module/presto/etc/node.properties
node.environment=production
node.id=ffffffff-ffff-ffff-ffff-fffffffffffd
node.data-dir=/opt/module/presto/data
# presto是由一个coordinator节点和多个worker节点组成。在bigdata201配置coordinator,在其它节点配置worker
# bigdata201
vim /opt/module/presto/etc/config.properties
coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=8881
query.max-memory=50GB
discovery-server.enabled=true
discovery.uri=http://bigdata201:8881
# 在bigdata201、bigdata202
vim /opt/module/presto/etc/config.properties
coordinator=false
http-server.http.port=8881
query.max-memory=50GB
discovery.uri=http://bigdata201:8881
# 启动hive metastore,开放hive的元数据
nohup bin/hive --service metastore >/dev/null 2>&1 &
# 分别在三台机器上启动presto server
# 前台启动,控制台日志
bin/launcher run
# 后台启动
bin/launcher start
安装presto client
# 下载presto client jar包
wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.196/presto-cli-0.196-executable.jar
# 改名
mv presto-cli-0.196-executable.jar prestocli
# 将prestocli移动到/opt/module/presto下面
mv prestocli /opt/module/presto/
# 修改权限
chmod +x prestocli
# 启动prestocli
./prestocli --server bigdata201:8881 --catalog hive --schema default
# presto支持sql操作
-- 命令行操作
select * from schema.table limit 100
可视化安装
略
presto优化
数据存储
- 合理设置分区:与hive类似,presto会根据元数据信息读取分区数据,合理的分区能减少presto数据读取量,提升查询效率。
- 使用列式存储:presto对orc文件读取做了特定优化,因此在hive中创建presto使用的表时,建议采用orc格式存储。相对于parquet,presto对orc支持更好。
- 使用压缩:数据压缩可以减少节点间数据传输对io带宽压力,对于即席查询需要快速解压,建议采用snappy压缩。
查询sql
只选择使用的字段
- 由于采用列式存储,选择需要的字段可以加快字段的读取、减少数据量。避免使用*读取所有字段。
SELECT time, user, host FROM tbl
过滤条件必须加上分区字段
- 对于有分区的表,where语句中优先使用分区字段进行过滤(在hive中不同分区在不同目录,可以减少查询数据量)。
SELECT time, user, host FROM tbl where acct_day=20171101
group by语句优化
- 合理安排group by语句中字段顺序对性能有一定提升。间group by语句中的字段按照每个字段distinct数据多少进行降序排列。 – 不同uid肯定比不同性别多(性别一般只有2个)
SELECT uid, gender from custom GROUP BY uid, gender
order by时使用limit
- ordery by需要扫描数据到单个worker节点进行排序,导致单个worker需要大量内存。如果时查询topN或者bottomN,使用limit可以减少排序计算和内存压力
SELECT * FROM tbl ORDER BY time LIMIT 100
使用join语句时间大表放在左边
- presto中join的默认算法时broadcast join,即间join左边的表分割到多个worker,然后间join右边的表数据整个复制一份到每个worker中进行计算。如果右边的表太大,则可能包内存溢出错误。
SELECT ... FROM large_table l join small_table s on l.id = s.id
注意事项
字段名反引用
- 如果字段和关键字冲突:mysql对字段加反引号`、presto对字段加双引号分割。
时间函数
- 对于timestamp,mysql可以直接比较,而presto需要加timestamp关键字。
/*MySQL的写法*/
SELECT t FROM a WHERE t > '2017-01-01 00:00:00';
/*Presto中的写法*/
SELECT t FROM a WHERE t > timestamp '2017-01-01 00:00:00';
不支持insert overwrite
- presto中不支持insert overwrite语法,只能先delete,然后insert into。
parquet格式
- presto目前支持parquet格式的查询,但不支持insert。
FROM a WHERE t > ‘2017-01-01 00:00:00’;
/Presto中的写法/
SELECT t FROM a WHERE t > timestamp ‘2017-01-01 00:00:00’;
### 不支持insert overwrite
- presto中不支持insert overwrite语法,只能先delete,然后insert into。
### parquet格式
- presto目前支持parquet格式的查询,但不支持insert。