注意事項

EMR-3.45.0和EMR-5.11.0版本開始支持Presto，其版本號通常為0.2XX。此前各版本中的組件版本號為3XX的Presto，其內核均為PrestoSQL或Trino，相關信息請參見Trino概述。

基本特性

Presto使用Java語言進行開發，具備易用、高性能和強擴展能力等特點，具體如下：

• 完全支持ANSI SQL。

• 支持豐富的數據源，例如，Hive、Hudi、Iceberg、Delta Lake、MySQL和PostgreSQL。

• 支持高級數據結構，具體如下：

  • 數組和Map數據

  • JSON數據

  • GIS（Geographic Information System）數據

  • 顏色數據

• 功能擴展能力強，提供了多種擴展機制：

  • 擴展數據連接器

  • 自定義數據類型

  • 自定義SQL函數

• 流水線：基于Pipeline處理模型數據在處理過程中實時返回給用戶。

• 監控接口完善：

  • 提供友好的Web UI，可視化的呈現查詢任務執行過程。

  • 支持JMX協議。

系統組成

Presto的系統組成如下圖所示。

Presto是典型的M/S架構的系統，由一個Coordinator節點和多個Worker節點組成。 Coordinator負責如下工作：

• 接收用戶查詢請求，解析并生成執行計劃，下發Worker節點執行。

• 監控Worker節點運行狀態，各個Worker節點與Coordinator節點保持心跳連接，匯報節點狀態。

• 維護MetaStore數據。

Worker節點負責執行下發到任務，通過連接器讀取外部存儲系統到數據，進行處理，并將處理結果發送給Coordinator節點。

Presto當前不支持高可用架構。在EMR集群中，Coordinator僅會部署在master-1-1節點上；Worker部署在全部Core和Task節點上。

應用場景

Presto是定位在數據倉庫和數據分析業務的分布式SQL引擎，適合以下應用場景：

• ETL

• Ad-Hoc查詢

• 海量結構化數據或半結構化數據分析

• 海量多維數據聚合或報表分析

產品優勢

E-MapReduce（簡稱EMR）中的Presto與開源Presto比較，還具備如下優勢：

• 即買即用，快速完成上百節點的Presto集群搭建。

• 彈性擴縮容，簡單快速。

• 與EMR軟件棧完美結合，支持DLF和OSS或OSS-HDFS。

• 無需運維，EMR提供一站式服務。

基本概念

數據模型

數據模型即數據的組織形式。Presto使用Catalog、Schema和Table三層結構來管理數據。

• Catalog：一個Catalog可以包含多個Schema，物理上指向一個外部數據源，可以通過Connector訪問該數據源。一次查詢可以訪問一個或多個Catalog。

• Schema：相當于一個數據庫實例，一個Schema包含多張數據表。

• Table：數據表，與一般意義上的數據庫表相同。

Connector

Presto通過內置的各種Connector來接入多種外部數據源。Presto提供了一套標準的SPI接口，您可以使用這套接口開發自己的Connector，以便訪問自定義的數據源。

通常，一個Catalog會綁定一種類型的Connector，并在Catalog的Properties文件中進行設置。

更多參考

請根據您所使用的Presto組件的版本號，修改https://prestodb.io/docs/XXX/中的XXX為對應的版本號，然后在瀏覽器訪問該鏈接，即可查看開源Presto文檔。

例如，如果您的Presto版本號為0.279，則可以訪問https://prestodb.io/docs/0.279/，查看相應版本的開源Presto文檔。