本文主要介绍如何在文件存储HDFS版上搭建及使用Presto。

前提条件

  • 已开通文件存储HDFS版服务并创建文件系统实例和挂载点。具体操作，请参见文件存储HDFS版快速入门。
  • 已在集群中安装Hive。本文使用的Hive版本为2.3.7。
  • 已下载Presto安装包和presto-cli-xxx-executable.jar。本文使用的Presto版本为0.265.1。

背景信息

Presto是一个开源的分布式SQL查询引擎，适用于交互式分析查询。
说明 在本文中Presto是通过连接Hive的元数据服务来读取文件存储HDFS版上的数据，在文件存储HDFS版上使用Presto时需要额外配置一些依赖包。具体操作，请参见步骤二：配置Presto。

步骤一：Hadoop集群挂载文件存储HDFS版实例

在Hadoop集群中配置文件存储HDFS版实例。具体操作，请参见挂载文件系统。

步骤二：配置Presto

  1. 执行以下命令，解压Presto安装包。
    tar -zxf presto-server-0.265.1.tar.gz
  2. 执行以下命令，在Presto解压目录下创建目录（例如/etc）。
    mkdir presto-server-0.265.1/etc
  3. 配置节点环境。
    1. 创建etc/node.properties文件。
      vim presto-server-0.265.1/etc/node.properties
    2. 在etc/node.properties文件中添加如下内容。
      node.environment=production
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
node.data-dir=/var/presto/data
  4. 配置JVM参数。
    1. 创建etc/jvm.config文件。
      vim presto-server-0.265.1/etc/jvm.config
    2. 在etc/jvm.config文件中添加如下内容。
      -server
-Xmx8G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError
  5. 配置Presto Server。

    本文以将Coordinator和Worker配置在同一台机器上为例进配置。您也可以将Coordinator和Worker配置在不同的机器中，具体操作，请参见Presto官方文档。

    1. 创建etc/config.properties文件。
      vim presto-server-0.265.1/etc/config.properties
    2. 在etc/config.properties中添加如下内容。
      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://xx.xx.xx.xx:8080 #xx.xx.xx.xx为当前机器的ip地址
  6. 配置日志级别。
    1. 创建etc/log.properties文件。
      vim presto-server-0.265.1/etc/log.properties
    2. 在etc/log.properties文件中添加如下内容。
      com.facebook.presto=INFO
  7. 配置Presto数据源。
    1. 创建etc/catalog目录。
      mkdir presto-server-0.265.1/etc/catalog
    2. 创建etc/catalog/hive.properties文件。
      vim presto-server-0.265.1/etc/catalog/hive.properties
    3. 在etc/catalog/hive.properties中添加如下内容。
      connector.name=hive-hadoop2
hive.metastore.uri=thrift://xxxx:9083 #xxxx为启动 hive 元数据服务的ip地址
hive.config.resources=/path/to/core-site.xml #请替换为该节点上已挂载文件存储HDFS版的Hadoop core-site.xml路径
  8. 编译并替换JAR包。

    Presto使用maven-shade-plugin插件打包，对引入的Hadoop依赖进行了重命名，文件存储HDFS版Java SDK和Hadoop共用了protobuf-xxx.jar包，Presto通过Hive Metastore读取文件存储HDFS版上的数据时，文件存储HDFS版获取不到Presto重命名地址后的protobuf-xxx.jar包而报错。为了避免兼容性问题，文件存储HDFS版的Java SDK需要作为Presto Hadoop的依赖项引入，并对Presto中引入的Hadoop Jar包hadoop-apache2-xxx.jar重新编译。

    替换jar包_01替换jar包_02
    1. 查看安装的Presto中的presto-hadoop-apache2版本。

      以0.265.1版本为例，通过源码POM文件可以看到引入的hadoop-apache2版本为2.7.4-9。

      源码POM文件
    2. 下载presto-hadoop-apache2对应版本的源码。
      git clone -b 2.7.4-9 https://github.com/prestodb/presto-hadoop-apache2.git
    3. 在源码中的POM文件中添加文件存储HDFS版最新Java SDK的依赖项。本文使用的Java SDK版本为1.0.5。
      vim presto-hadoop-apache2/pom.xml
<dependency>
    <groupId>com.aliyun.dfs</groupId>
    <artifactId>aliyun-sdk-dfs</artifactId>
    <version>1.0.5</version>
</dependency>
      添加依赖项
    4. 编译presto-hadoop-apache2。
      cd presto-hadoop-apache2
      mvn clean package -DskipTests
    5. 查看生成的hadoop-apache2-2.7.4-9.jar。
      1. 执行以下命令，进入上一级目录。
        cd ..
      2. 执行以下命令，查看hadoop-apache2-2.7.4-9.jar是否符合预期。
        ll -h presto-hadoop-apache2/target/
        查看
    6. 替换旧JAR包。
      1. 移除旧JAR包。
        mv presto-server-0.265.1/plugin/hive-hadoop2/hadoop-apache2-2.7.4-9.jar presto-server-0.265.1/plugin/hive-hadoop2/hadoop-apache2-2.7.4-9.jar.bak
      2. 将编译后的hadoop-apache2-2.7.4-9.jar依赖包拷贝到对应目录下。
        cp presto-hadoop-apache2/target/hadoop-apache2-2.7.4-9.jar  presto-server-0.265.1/plugin/hive-hadoop2/
  9. 配置presto-cli-xxx-executable.jar。
    1. 将下载的presto-cli-xxx-executable.jar复制到presto-server-0.265.1/bin/目录。
      cp presto-cli-0.265.1-executable.jar  presto-server-0.265.1/bin/
    2. 重命名presto-server-0.265.1/bin/目录中的presto-cli-xxx-executable.jar。
      mv presto-server-0.265.1/bin/presto-cli-0.265.1-executable.jar  presto-server-0.265.1/bin/presto
    3. 为重新命名的文件添加可执行权限。
      chmod +x presto-server-0.265.1/bin/presto

步骤三：验证Presto

  1. 执行以下命令，启动Hive的元数据服务。
    hive --service metastore
  2. 启动Presto Server并连接Hive Metastore。
    1. 启动Presto Server。
      presto-server-0.265.1/bin/launcher start
    2. 连接Hive Metastore。
      presto-server-0.265.1/bin/presto  --server localhost:8080 --catalog hive
  3. 通过Presto在Hive中创建数据库。
    1. 在文件存储HDFS版实例上创建测试目录。
      hadoop fs -mkdir dfs://f-xxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/tmp/presto_test
    2. 在Hive中创建数据库。
      CREATE SCHEMA hive.prosto_test
WITH (location = 'dfs://f-xxxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/tmp/presto_test');
      创建数据库
  4. 在刚创建的数据库中新建表并添加数据。
    1. 进入刚创建的数据库。
      use prosto_test;
    2. 创建表。
       CREATE TABLE user_info_test (
   user_id bigint,
   firstname varchar,
   lastname varchar,
   country varchar
 )
 WITH (
   format = 'TEXTFILE'
 );
    3. 在刚创建表中插入数据。
      INSERT INTO user_info_test VALUES(1,'Dennis','Hu','CN'),(2,'Json','Lv','Jpn'),(3,'Mike','Lu','USA');
      添加数据
  5. 查看文件存储HDFS版实例上是否有刚创建的表数据。
    hadoop fs -ls dfs://f-xxxxx.cn-zhangjiakou.dfs.aliyuncs.com:10290/tmp/presto_test/*

    如果返回信息显示刚创建的表数据，则表示Presto可以向文件存储HDFS版写入数据。

  6. 进行Word Count计算，检验Presto能否读取文件存储HDFS版上的数据并计算。
    SELECT country,count(*) FROM user_info_test GROUP BY country;
    如果返回信息与创建表中的信息一致，则表示Presto可读取文件存储HDFS版上的数据并计算。user_info_test