Presto的安装与配置，进行大数据集上的交互式查询

什么是Presto

Presto是一个分布式SQL查询引擎，用于对各种数据源进行交互式分析查询。它最初由Facebook开发，旨在提供快速、低延迟的查询性能。Presto可以连接到多个数据源，包括HDFS、Hive、Cassandra、MySQL、PostgreSQL等。

Presto的关键特性

1. 高性能：优化的查询引擎，支持高效的数据扫描和处理。
2. 多数据源支持：能够同时查询多个不同的数据源。
3. 扩展性：分布式架构，易于扩展。
4. ANSI SQL兼容：支持大部分ANSI SQL语法。

Presto的安装与配置

环境准备

• 操作系统：建议使用Linux（如Ubuntu、CentOS等）。
• Java：需要安装Java 8或更高版本。

安装Presto

1. 下载Presto

   从Presto的GitHub页面下载最新版本：https://prestosql.io/download.html

   wget https://repo1.maven.org/maven2/io/prestosql/presto-server/348/presto-server-348.tar.gz
   

2. 解压Presto

   tar -xzf presto-server-348.tar.gz
   mv presto-server-348 /usr/local/presto
   

3. 安装Presto CLI

   Presto CLI用于执行SQL查询。

   wget https://repo1.maven.org/maven2/io/prestosql/presto-cli/348/presto-cli-348-executable.jar
   mv presto-cli-348-executable.jar /usr/local/presto/presto-cli
   chmod +x /usr/local/presto/presto-cli
   

配置Presto

1. 创建配置目录

   mkdir -p /usr/local/presto/etc
   

2. 配置节点属性

   编辑/usr/local/presto/etc/node.properties文件：

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

3. 配置JVM属性

   编辑/usr/local/presto/etc/jvm.config文件：

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

4. 配置节点角色

   编辑/usr/local/presto/etc/config.properties文件：

   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://localhost:8080
   

5. 配置日志属性

   编辑/usr/local/presto/etc/log.properties文件：

   com.facebook.presto=INFO
   

6. 配置连接器

   创建Hive连接器配置文件/usr/local/presto/etc/catalog/hive.properties：

   connector.name=hive-hadoop2
   hive.metastore.uri=thrift://localhost:9083
   

启动Presto

1. 启动Presto服务器

   /usr/local/presto/bin/launcher start
   

2. 检查Presto服务器状态

   /usr/local/presto/bin/launcher status
   

3. 访问Presto UI

   打开浏览器，访问http://localhost:8080，进入Presto的Web UI。

使用Presto进行交互式查询

连接Presto CLI

1. 启动Presto CLI

   /usr/local/presto/presto-cli --server localhost:8080 --catalog hive --schema default
   

2. 执行SQL查询

   在Presto CLI中执行SQL查询，例如：

   SELECT * FROM my_table LIMIT 10;
   

配置Presto连接多个数据源

配置MySQL连接器

1. 创建MySQL连接器配置文件

   编辑/usr/local/presto/etc/catalog/mysql.properties：

   connector.name=mysql
   connection-url=jdbc:mysql://localhost:3306
   connection-user=root
   connection-password=your_password
   

2. 重启Presto服务器

   /usr/local/presto/bin/launcher restart
   

3. 在Presto CLI中查询MySQL数据

   SELECT * FROM mysql.information_schema.tables LIMIT 10;
   

高级配置和优化

配置内存和并行度

1. 修改config.properties文件中的内存配置

   query.max-memory=10GB
   query.max-memory-per-node=2GB
   

2. 设置并行度

   task.max-worker-threads=16
   

使用Ranger进行权限管理

1. 安装Apache Ranger

   安装并配置Apache Ranger，用于集中管理Presto的访问控制。

2. 配置Ranger插件

   在Presto配置目录中，编辑Ranger插件配置文件，启用权限管理。

总结

通过掌握Presto的基本概念、安装与配置方法，以及如何使用Presto进行交互式查询，你可以构建一个高效的分布式查询平台。Presto的多数据源支持和高性能查询能力，使其成为大数据分析的理想工具。