Presto概述

Presto(即PrestoDB)是一款灵活、可扩展的分布式SQL查询引擎。本文介绍Presto的基本特性、系统组成和优势等信息。

注意事项

EMR-3.45.0和EMR-5.11.0版本开始支持Presto,其版本号通常为0.2XX。此前各版本中的组件版本号为3XX的Presto,其内核均为PrestoSQL或Trino,相关信息请参见Trino概述

基本特性

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。

  • 支持丰富的数据源,例如,Hive、Hudi、Iceberg、Delta Lake、MySQL和PostgreSQL。

  • 支持高级数据结构,具体如下:

    • 数组和Map数据

    • JSON数据

    • GIS(Geographic Information System)数据

    • 颜色数据

  • 功能扩展能力强,提供了多种扩展机制:

    • 扩展数据连接器

    • 自定义数据类型

    • 自定义SQL函数

  • 流水线:基于Pipeline处理模型数据在处理过程中实时返回给用户。

  • 监控接口完善:

    • 提供友好的Web UI,可视化的呈现查询任务执行过程。

    • 支持JMX协议。

系统组成

Presto的系统组成如下图所示。Presto系统组成

Presto是典型的M/S架构的系统,由一个Coordinator节点和多个Worker节点组成。 Coordinator负责如下工作:

  • 接收用户查询请求,解析并生成执行计划,下发Worker节点执行。

  • 监控Worker节点运行状态,各个Worker节点与Coordinator节点保持心跳连接,汇报节点状态。

  • 维护MetaStore数据。

Worker节点负责执行下发到任务,通过连接器读取外部存储系统到数据,进行处理,并将处理结果发送给Coordinator节点。

Presto当前不支持高可用架构。在EMR集群中,Coordinator仅会部署在master-1-1节点上;Worker部署在全部Core和Task节点上。

应用场景

Presto是定位在数据仓库和数据分析业务的分布式SQL引擎,适合以下应用场景:

  • ETL

  • Ad-Hoc查询

  • 海量结构化数据或半结构化数据分析

  • 海量多维数据聚合或报表分析

重要

Presto是一个数仓类产品,因为其对事务支持有限,所以不适合在线业务场景。

产品优势

E-MapReduce(简称EMR)中的Presto与开源Presto比较,还具备如下优势:

  • 即买即用,快速完成上百节点的Presto集群搭建。

  • 弹性扩缩容,简单快速。

  • 与EMR软件栈完美结合,支持DLF和OSS或OSS-HDFS。

  • 无需运维,EMR提供一站式服务。

基本概念

数据模型

数据模型即数据的组织形式。Presto使用Catalog、Schema和Table三层结构来管理数据。

  • Catalog:一个Catalog可以包含多个Schema,物理上指向一个外部数据源,可以通过Connector访问该数据源。一次查询可以访问一个或多个Catalog。

  • Schema:相当于一个数据库实例,一个Schema包含多张数据表。

  • Table:数据表,与一般意义上的数据库表相同。

Connector

Presto通过内置的各种Connector来接入多种外部数据源。Presto提供了一套标准的SPI接口,您可以使用这套接口开发自己的Connector,以便访问自定义的数据源。

通常,一个Catalog会绑定一种类型的Connector,并在Catalog的Properties文件中进行设置。

更多参考

请根据您所使用的Presto组件的版本号,修改https://prestodb.io/docs/XXX/中的XXX为对应的版本号,然后在浏览器访问该链接,即可查看开源Presto文档。

例如,如果您的Presto版本号为0.279,则可以访问https://prestodb.io/docs/0.279/,查看相应版本的开源Presto文档。