Presto：基于内存的OLAP查询引擎

1、Presto概述

1.1、Presto背景

Facebook的数据仓库存储在少量大型Hadoop/HDFS集群。Hive是Facebook在十几年前专为Hadoop打造的一款数据仓库工具。在以前，Facebook的科学家和分析师一直依靠Hive来做数据分析。Hive使用MapReduce作底层计算框架，是专为批处理设计的

随着数据源的多样化、数据仓库的不断扩展以及数据湖的发展，使用Hive及时获得有用的见解可能变得困难。例如使用Hive进行一个简单的数据查询可能需要花费几分钟甚至几小时，这显然不能满足企业级交互式查询的需求

于是Facebook调研了其他比Hive更快的工具，但它们要么在功能有所限制，要么就太简单，以至于无法操作Facebook庞大的数据仓库

在Facebook试用了一些外部项目但都不合适后，2012年秋季，他们决定自己开发，Presto应运而生

2013年，Facebook正式宣布开源Presto。2015年，Netflix展示了Presto实际上比Hive快10倍，在某些情况下甚至更快

Hive的问题主要在于它将MapReduce查询的中间结果存储在磁盘上，这会导致在磁盘间产生大量的I/O开销。Presto凭借其新的架构和内存引擎，将显着降低其延迟和查询速度，从而允许更多的交互式查询

Presto的用例范围从交互式即席查询到长时间运行的批量ETL管道，使其能够灵活地适应各种数据驱动的用例和应用程序

1.2、什么是Presto

Presto是由FaceBook开源的一个MPP SQL引擎，主要用来解决Facebook海量Hadoop数据仓库的高延迟交互分析问题

Facebook版本的Presto更多的是以解决企业内部需求功能为主，也叫PrestoDB，版本号以0.xxx来划分，例如目前的最新版本0.284版本

后来，Presto其中的几个人出来创建了更通用的Presto分支，取名PrestoSQL，版本号以xxx来划分，例如315版本，这个开源版本也是更为被大家通用的版本

为了更好的与Facebook的Presto进行区分，PrestoSQL于2020年12月27日改名为Trino，除了名字改变了其他都没变。不管是PrestoDB还是PrestoSQL，它们“本是同根生”，因此它们的大部分的机制原理是一样的

PrestoDB官网：https://prestosql.io/ 或 https://prestodb.io/

PrestoDB官方文档1：https://prestodb.io/docs/0.284/overview.html

PrestoDB官方文档2：https://dzone.com/refcardz/getting-started-with-prestodb

PrestoSQL官网：https://trino.io

PrestoSQL官方文档：https://trino.io/docs/current/overview.html

Presto是一款灵活、可扩展的分布式SQL查询引擎，旨在填补Hive在速度和灵活性（对接多种数据源）上的不足。相似的SQL On Hadoop产品还有Impala和Spark SQL等

Presto本身并不存储数据，但是可以接入多个异构数据源上的大型数据集，并且支持跨数据源的级联查询。Presto基于内存运算，速度快，实时性高

Presto是一个OLAP工具，擅长对海量数据进行复杂的分析。Presto可以解析SQL，但它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）

和MySQL相比，MySQL是一个数据库，具有存储和计算分析能力；而Presto和Hive、Impala、Spark一样只有计算分析能力

和Hive相比，Hive只能从HDFS中读取数据，而Presto⽀持跨数据源进行数据查询和分析

Presto支持跨源查询，包括HDFS、Hive、关系数据库（MySQL、Oracle等）、NoSQL（MongoDB、Redis等）、Kafka以及一些专有数据存储。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

1.3、Presto的特性

Presto使用Java语言进行开发，具备易用、高性能和强扩展能力等特点，具体如下：

• 完全支持ANSI SQL
<