Facebook数据查询引擎Presto教程

版本：presto-server-0.214.tar

软件版本

presto-cli-0.214-executable

CentOS7

1、presto的起因

hadoop ---hdfs----MR（java）-----hive

hive底层原理用MR，速度比较慢，公司hadoop集群主要集中于晚上到凌晨，平日工作时间负载不是很高。但在工作时间内，公司业务人员有实时查询的需求，现在主要借助于hive提供业务人员的查询。hive是基于MR类的SQL查询工具，他会输入的查询SQL解析为MapReduce，能极大的降低使用大数据门槛，让一般的业务人员可以直接准对大数据进行查询，但是有一个利弊，它的查询基于MR，会让人等待比较着急，等待的时间可能是几个小时或者一天。 spark基于内存提高改良的hive，sql，现在factbook在hive上面开发一套利器，准对hive可以通过sql语句快速查询，presto。

2、Facebook为何开发Presto

 Facebook的2011的数据仓库存储在少量大型hadoopfs集群，Hive是FaceBook在几年前专门为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靠hive进行数据分析.但hive使用MR作为底层计算框架，是专为批处理设计的，但是随着数据的不断增多，使用hive进行一个简单的数据查询可能要花费分钟或者几个小时，显然不能满足查询需求，FaceBooke也调研了其他比hive更快的工具，但是他们需要在功能有限的条件下做简单操作，以至于无法操作Facebook庞大的数据要求。
2012年开始研究自己的框架--presto，每日可以超过1pb查询，而且速度比较快，faceBook声称Presto的性能比hive要好上10倍或者100倍，presto和hive都是facebook开发的 

Presto是什么

Presto是一个开源的分布式SQL查询引擎，适用于交互式查询，数据量支持GB到PB字节。

Presto的设计和编写完全是为了解决Facebook这样规模的商业数据仓库交互式分析和处理速度的问题

Presto可以做什么

Presto支持在线数据查询，包括Hive kafka Cassandra关系数据库以及专门数据存储，一条Presto查询可以将多个数据源进行合并，可以跨越整个组织进行分析。

Presto以分析师的需求作为目标，他们期望相应速度小于1秒到几分钟，Presto要么在使用速度的快的昂贵的商业方案，提高内存，要么是消耗大量的硬件进行快速查询。（128G 64G）

架构图

本套课程教给如何在企业环境中使用Presto技术。