Hadoop生态圈之即席查询工具Presto

一、Presto概念

• presto是一个开源的分布式sql查询引擎，数据量支持GB到PB字节，主要用来处理秒级查询场景。
• 注意：虽然presto可以解析SQL，但他不是一个标准的数据库。不是mysql，oracle的替代品，也不能用来处理在线事务（OLTP），同时presto用的是一套自己的SQL语言，程序员的学习成本高，所以市场占有率并不高。

二、Presto架构

presto由一个coordinator和多个worker组成。

三、Presto优缺点

1）优点

• （1）presto基于内存运算，减少了硬盘IO，计算更快
• （2）能够连接多个数据源（对比于同类产品的impala），跨数据源连表查。如从hive查询大量网站访问记录，然后从mysql中匹配出设备信息。

2）缺点

• presto能够处理PB级别的海量数据分析，但presto并不是把PB级数据都放在内存中计算的。而是根据场景，如count，avg等聚合运算是边读数据边运算，再清内存，再读数据再计算，这种消耗内存并不高。但是连表查，就可能产生大量的临时数据，因此数据会变慢。

四、Presto、Impala性能比较

https://blog.csdn.net/u012551524/article/details/79124532

测试结论：Impala性能稍领先于Presto，但是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。