Presto、Trino 部署

标签：node log Presto 部署 presto server root Trino

1.介绍

1.1背景

2020 年 12 月 27 日，prestosql 与 facebook 正式分裂,并改名为trino。

Fackbook： https://prestosql.io/

初创团队： https://trino.io

Presto 是一个 facebook 开源的分布式 SQL 查询引擎，适用于交互式分析查询，数据量支持 GB 到 PB 字节。Presto 的架构由关系型数据库的架构演化而来。它是 hadoop 生态中著名的分布式 SQL 引擎。2019年原作者从 Facebook 分道扬镳更名 Trino。

Presto 是 Facebook 研发的基于 SQL 进行大数据分析的高性能分布式计算引擎，最开始是用来解决Hive速度慢以及异构数据源互通的问题。它在大数据家族中属于MPP（massive parallel processing）计算引擎范畴，其原理是火山（volcano）模型：将SQL抽象成一个个算子（operator），形成管线（pipeline）。目前能够支持 Hive、HBase、ES、Kudu、Kafka、MySQL、Redis、ElasticSearch等 等几十种数据源的读取。
它为何是 SQL 查询引擎？而不是数据库？
和Oracle、MySQL、Hive等数据库相比，他们都具有存储数据和计算分析的能力。如MySQL具有InnoDB存储引擎和有SQL的执行能力；如Hive有多种数据类型、内外表（且这么叫）的管理能力，且能利用MR、TEZ执行HQL。而Presto并不直接管理数据，它只有计算的能力。
Presto 支持从多种数据源获取数据来进行运算分析，一条SQL查询可以将多个数据源的数据进行合并分析。比如下面的SQL：a可以来源于MySQL，b可以来源于Hive。

select a.*,b.* from a join b on (a.id = b.id);

1.2 特点

Presto有如下特点：

• 基于SQL语言，上手成本低，而且功能强大，支持reduce和lambda函数；
• 纯计算引擎，解耦底层存储，可快速缩扩容；
• 纯内存计算，速度快，提供交互式的查询体验；
• 通过插件的方式实现拓展功能，二次开发友好；

1.3 架构

Trino（Presto） 是典型的 MPP 架构，由一个 Coordinator 和多个 Worker 组成，其中 Coordinator 负责 SQL 的解析和调度，Worker 负责任务的具体执行。可配置多个不同类型的 Catalog，实现对多个数据源的访问。

Presto 在整体业务中的架构

1.4 应用场景

• 实时计算：Trino（Presto）性能优越，实时查询工具上的重要选择。
• Ad-Hoc查询：数据分析应用、Trino（Presto）根据特定条件的查询返回结果和生成报表。
• ETL：因支持的数据源广泛、可用于不同数据库之间迁移，转换和完成ETL清洗的能力。
• 实时数据流分析：Presto-Kafka Connector 使用 SQL对Kafka的数据流进行清洗、分析。
• MPP：Presto Connector有非常好的扩展性，可进行扩展开发，可支持其他异构非SQL查询引擎转为SQL，支持索引下推

2.安装

2.1安装Presto

2.1.1版本选择

在 2020 年 4 月 8 号 presto 社区发布的 332 版本开始，需要 jdk11 的版本.由于现在基本都使 用的是 jdk8，所以我们选择 presto315 版本的,此版本在 jdk8 的环境下是可用的。如果我们生产环境是 jdk8，但是又想使用新版的 presto，可以为 presto 单独指定 jdk11 也可使用。

2.1.2 安装规划

host	coordinator	worker
sun75	√	×
sun77	×	√
sun46	×	√

2.1.3 PrestoServer && PrestoAgent安装

下载解压

先在coordinator节点安装，后续统一分发

下载安装包到服务器指定目录，此处为/usr/local/src

cd /usr/local/src
wget https://repo1.maven.org/maven2/io/prestosql/presto-server/315/presto-server-315.tar.gz
tar -xvf presto-server-315.tar.gz
wget https://repo1.maven.org/maven2/io/prestosql/presto-cli/315/presto-cli-315-executable.jar

将客户端presto-cli-315-executable.jar放到presto-server-315的bin目录下并修改名称为presto

[root@sun75 bin]# mv presto-cli-315-executable.jar presto
[root@sun75 bin]# ll
total 40
-rwxr-xr-x. 1 root root  1450 Jun 15  2019 launcher
-rw-r--r--. 1 root root    71 Jun 15  2019 launcher.properties
-rwxr-xr-x. 1 root root 14173 Jun 15  2019 launcher.py
-rwxr-xr-x. 1 root root 13710 Dec 14 10:17 presto  # 客户端
drwxr-xr-x. 4 root root    47 Jun 15  2019 procname
[root@sun75 bin]# chmod +x presto

创建presto的数据目录（每台机器都要创建），用来存储日志以及数据

mkdir -p /usr/local/src/presto-server-315/data

安装目录下创建etc目录，用来存放各种配置文件

mkdir -p /usr/local/src/presto-server-315/etc

Node Properties配置

在 /usr/lcoal/src/presto-server-315/etc 路径下,配置 node 属性(注意：集群中每台 presto 的 node.id 必须不一样,后面需要修改集群中其它节点的 node.id 值)

vi node.properties

node.environment=develop #环境名称,自己任取.集群中的所有 Presto 节点必须具有相同的环境名称.
node.id=1   #支持字母,数字.对于每个节点,这必须是唯一的.这个标识符应该在重新启动或升级 Presto 时保持一致
node.data-dir=/file/data/presto #指定 presto 的日志和其它数据的存储目录,自己创建前面创建好的数据目录
http-server.log.path=/srv/dstore/1.0.0.0/nfs/cluster/sun75/presto/http-request.log # 请求日志路径

JVM Config配置

在/usr/local/src/presto-server-315/etc 目录下添加 jvm.config 配置文件,并填入如下内容

#参考官方给的配置,根据自身机器实际内存进行配置
-server
-Xmx16G #最大 jvm 内存
-XX:+UseG1GC #指定 GC 的策略
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError
-XX:ReservedCodeCacheSize=256M

Config Properties配置

Presto 是由一个 coordinator 节点和多个 worker 节点组成。由于在单独一台服务器上配置 coordinator ，有利于提高性能，所以在 sun75上配置成 coordinator，在 sun77,sun46 上配 置为 worker(如果实际机器数量不多的话可以将在协调器上部署 worker.)在 /usr/local/src/presto-server-315/etc目录下添加 config.properties 配置文件

# 该节点是否作为 coordinator,如果是 true 就允许该 Presto 实例充当协调器
coordinator=true
# 允许在协调器上调度工作(即配置 worker 节点).为 false 就是不允许.对于较大的集群,协调器上的处理工作可能会影响查询性能,因为机器的资源无法用于调度,管理和监视查询执行的关键任务
# 如果需要在协调器所在节点配置 worker 节点改为 true 即可
node-scheduler.include-coordinator=false
# 指定 HTTP 服务器的端口.Presto 使用 HTTP 进行所有内部和外部通信
http-server.http.port=8080
# 每个查询可以使用的最大分布式内存量
query.max-memory=50GB
#查询可在任何一台计算机上使用的最大用户内存量
query.max-memory-per-node=1GB
# 查询可在任何一台计算机上使用的最大用户和系统内存量，其中系统内存是读取器，写入器和网络缓冲区等在执行期间使用的内存
query.max-total-memory-per-node=2GB
# discover-server 是 coordinator 内置的服务,负责监听 worker
discovery-server.enabled=true
# 发现服务器的 URI.因为已经在 Presto 协调器中启用了 discovery,所以这应该是 Presto 协调器的 URI
discovery.uri=http://sun75:8080
http-server.log.max-history=30
http-server.log.max-size=100MB

Log Properties配置

日志配置文件：etc/log.properties。类似Java的日志级别，包括 INFO、DEBUG、ERROR。

com.facebook.presto=INFO

Catalog Properties 配置

特里诺 |数据源 (trino.io)

Presto 可以支持多个数据源，在 Presto 里面叫 catalog，这里以配置支持 Hive 的数据源为例，配置一个 Hive 的 catalog

在etc目录下创建catalog目录

[root@sun75 catalog]# ll
total 8
-rw-r--r--. 1 root root 260 Dec 14 10:27 hive.properties
-rw-r--r--. 1 root root 111 Dec 14 10:14 mysql.properties
[root@sun75 catalog]# 

hive.properties

connector.name=hive-hadoop2
#需要启动hive metastore服务
hive.metastore.uri=thrift://sun75:9083
# hadoop集群的配置文件目录
hive.config.resources=/srv/dstore/1.0.0.0/hdfs/etc/hadoop/core-site.xml,/srv/dstore/1.0.0.0/hdfs/etc/hadoop/hdfs-site.xml

mysql.properties

[root@sun75 catalog]# cat mysql.properties 
connector.name=mysql
connection-url=jdbc:mysql://sun75:3306
connection-user=root
connection-password=Hbis@123

elasticsearch.properties

connector.name=elasticsearch
elasticsearch.host=localhost
elasticsearch.port=9200
elasticsearch.default-schema-name=default

localfile.properties

connector.name=localfile
presto-logs.http-request-log.location=/var/log
presto-logs.http-request-log.pattern=messages

分发安装包

scp -r /usr/local/src/presto-server-315 sun77:/usr/local/src
scp -r /usr/local/src/presto-server-315 sun46:/usr/local/src

修改node.properties

[root@sun77 etc]# vim node.properties 
node.id=2 

[root@sun46 etc]# vim node.properties 
node.id=3

修改config.properties

worker 节点(即 sun77 和 sun46 机器)上的 config.properties 配置文件里面的配置内容与 coordinator 所在的节点是不一样的

coordinator=false
http-server.http.port=8080
query.max-memory=50GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery.uri=http://sun75:8080

集成kerberos待验证

生成persto主体的princal

kadmin.local -q "addprinc -randkey presto/[email protected]"
kadmin.local -q "xst -norandkey -k presto.keytab presto/[email protected]"

集成Kerberos环境Hive

修改hive.properties

connector.name=hive-hadoop2
#需要启动hive metastore服务
hive.metastore.uri=thrift://dx-dev-test1026:9083
#配置Presto访问HiveMetastore服务的Kerberos信息，该段配置可以只存在Presto的Coordinator节点
hive.metastore.authentication.type=KERBEROS
hive.metastore.service.principal=hive/[email protected]
hive.metastore.client.principal=presto/[email protected]
hive.metastore.client.keytab=/root/presto.keytab

#配置Presto访问HDFS的Kerberos信息，改段配置可以只存在Presto的Worker节点
hive.hdfs.authentication.type=KERBEROS
hive.hdfs.impersonation.enabled=true
hive.hdfs.presto.principal=presto/[email protected]
hive.hdfs.presto.keytab=/root/presto.keytab
# hadoop集群的配置文件目录
hive.config.resources=/etc/hadoop/conf/core-site.xml,/etc/hadoop/conf/hdfs-site.xml

在hive.properties配置文件中增加访问HiveMetastore和HDFS的Kerberos认证信息，将如上配置同步至Presto集群所有节点的${PRESTO_HOME}/etc/catalog/hive.properties文件中。

注意：在配置hive.metastore.url时，需要使用HiveMetastore服务的HOSTNAME，否则在使用Kerberos访问HiveMetastore时会报找不到Kerberos账号的错误。

2.2 安装Trino

2.2.1版本选择

特里诺 |开始使用 Trino

选择最新版本的安装包

JDK版本：

• Trino 需要 Java 17 的 64 位版本，最低要求版本为 17.0.3。 早期的主要版本（如 Java 8 或 Java 11）不起作用。 不支持较新的主要版本，例如 Java 18 或 19，它们可能有效，但未经过测试。

• https://adoptium.net/zh-CN/download/ ，这里采用trino推荐的JDK版本

采用二进制包的方式安装

下载安装包

wget https://repo1.maven.org/maven2/io/trino/trino-server/435/trino-server-435.tar.gz # 服务端安装包
wget https://repo1.maven.org/maven2/io/trino/trino-cli/435/trino-cli-435-executable.jar # 客户端工具

解压服务端安装包并将客户端工具放置bin目录下，该名称为trino

[root@sun75 bin]# ll
total 13640
-rwxr-xr-x. 1 root root     1511 Dec 26 09:47 launcher
-rw-r--r--. 1 root root       65 Dec 14 12:38 launcher.properties
-rwxr-xr-x. 1 root root    14608 Dec 14 12:38 launcher.py
drwxr-xr-x. 5 root root       68 Dec 14 12:38 procname
-rwxr-xr-x. 1 root root 13942418 Dec 26 09:50 trino # 改名后的客户端工具
[root@sun75 bin]#

由于trino对于JDK要求比较严格，但是本地项目用的是jdk1.8，所以需要单独给trino配置JDK17的环境

将JDK安装包跟Trino打到一起

[root@sun75 trino-server-435]# ll
total 208
drwxr-xr-x.  3 root root     97 Dec 26 10:36 bin
drwxr-xr-x.  3 root root    109 Dec 26 10:47 etc
drwxr-xr-x.  9 root root    121 Dec 26 09:22 jdk-17.0.9+9  # JDK17 解压包
drwxr-xr-x.  2 root root   8192 Dec 14 12:38 lib
-rw-r--r--.  1 root root 190881 Dec 14 12:38 NOTICE
drwxr-xr-x. 49 root root   4096 Dec 14 12:38 plugin
-rw-r--r--.  1 root root    115 Dec 14 12:38 README.txt
[root@sun75 trino-server-435]#

2.2.2 安装

Trino配置方式跟Presto DB大同小异

创建配置路径

mkdir -p etc/catalog

node.properties

node.environment=production
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
node.data-dir=/var/trino/data

上述属性描述如下：

• node.environment: 环境的名称。集群中的所有 Trino 节点必须具有相同的 环境名称。名称必须以小写字母数字字符开头 并且仅包含小写字母数字或下划线 （） 字符。_
• node.id: 此 Trino 安装的唯一标识符。这必须是 每个节点都是唯一的。此标识符应在 重新启动或升级 Trino。如果运行 单台机器上的 Trino（即同一台机器上的多个节点）， 每个安装都必须具有唯一标识符。标识符必须以 替换为字母数字字符，并且仅包含字母数字、或字符。-``_
• node.data-dir: 数据目录的位置（文件系统路径）。Trino商店 日志和其他数据。

jvm.config

JVM 配置文件 包含命令行列表 用于启动 Java 虚拟机的选项。文件的格式 是一个选项列表，每行一个。这些选项不由 shell，因此包含空格或其他特殊字符的选项应 不被引用

-server
-Xmx16G
-XX:InitialRAMPercentage=80
-XX:MaxRAMPercentage=80
-XX:G1HeapRegionSize=32M
-XX:+ExplicitGCInvokesConcurrent
-XX:+ExitOnOutOfMemoryError
-XX:+HeapDumpOnOutOfMemoryError
-XX:-OmitStackTraceInFastThrow
-XX:ReservedCodeCacheSize=512M
-XX:PerMethodRecompilationCutoff=10000
-XX:PerBytecodeRecompilationCutoff=10000
-Djdk.attach.allowAttachSelf=true
-Djdk.nio.maxCachedBufferSize=2000000
-Dfile.encoding=UTF-8
# Reduce starvation of threads by GClocker, recommend to set about the number of cpu cores (JDK-8192647)
-XX:+UnlockDiagnosticVMOptions
-XX:GCLockerRetryAllocationCount=32

您必须调整 Trino 使用的内存值，该值指定为节点上的可用内存。通常，表示 70 到 85 的值 建议使用总可用内存的百分比。例如，如果所有 workers 和 coordinator 使用具有 64GB RAM 的节点，您可以使用 . Trino 使用大部分分配的内存进行处理，只有一小部分 由 JVM 内部进程（如垃圾回收）使用。-Xmx``-Xmx54G

其余的可用节点内存必须足以运行。 系统和其他正在运行的服务，以及用于本机的堆外内存 代码启动了 JVM 进程。

在较大的节点上，百分比值可以更低。将所有内存分配给 不支持 JVM 或使用交换空间，并且禁用 建议使用操作系统级别。

对于生产群集，建议将超过 32GB 的大内存分配。

因为 通常将 JVM 留在 不一致的状态，我们写一个堆转储，用于调试，并强制 发生这种情况时，请终止进程。OutOfMemoryError

JVM 使用的临时目录必须允许执行代码。 具体而言，装载不得设置标志。在某些安装中，默认目录使用此标志挂载，这 阻止 Trino 启动。您可以通过覆盖 临时目录，方法是将 JVM 选项列表。noexec``/tmp``-Djava.io.tmpdir=/path/to/other/tmpdir

我们设置 GCLocker 重试分配计数 （） 以避免过早的 OOM（参见 JDK-8192647-XX:GCLockerRetryAllocationCount=32)

config.properties

以下是协调器的最低配置

coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=8080
discovery.uri=http://example.net:8080

这是 worker 的最低配置：

coordinator=false
http-server.http.port=8080
discovery.uri=http://example.net:8080

或者，如果要设置单台计算机进行测试，则 同时充当协调器和工作器，请使用以下配置：

coordinator=true
node-scheduler.include-coordinator=true
http-server.http.port=8080
discovery.uri=http://example.net:8080

• coordinator: 允许这个 Trino 实例充当协调器，以便 接受来自客户端的查询并管理查询执行。
• node-scheduler.include-coordinator: 允许在协调器上安排工作。 对于较大的集群，在协调器上处理工作 可能会影响查询性能，因为计算机的资源不是 可用于调度、管理和监控等关键任务 查询执行。
• http-server.http.port: 指定 HTTP 服务器的端口。Trino 将 HTTP 用于所有 内部和外部的沟通。
• discovery.uri: Trino 协调器具有所有节点使用的发现服务 寻找彼此。每个 Trino 实例都会向发现注册自身 启动时服务并持续心跳以保持其注册 积极。发现服务与 Trino 共享 HTTP 服务器，因此 使用相同的端口。替换以匹配主机和 Trino 协调员的端口。如果在协调器上禁用了 HTTP， URI 方案必须是 ，而不是 。example.net:8080``https``http

log.properties

日志记录属性 — Trino 435 Documentation

io.trino=INFO

连接器

mysql.properties

connector.name=mysql
connection-url=jdbc:mysql://192.168.2.75:3306
connection-user=root
connection-password=Hbis@123

测试会报错

如何将镜像时区更改为亚洲/上海，但仍能从 429 年起连接到 MySQL ·期刊 #20033 ·trinodb/trino ·GitHub的

按照上述记录，解决方式为在jvm.config添加属性

-Duser.timezone=GMT+8

hive.properties

connector.name=hive  # 此处必须为hive
#需要启动hive metastore服务
hive.metastore.uri=thrift://sun75:9083
# hadoop集群的配置文件目录
hive.config.resources=/srv/dstore/1.0.0.0/hdfs/etc/hadoop/core-site.xml,/srv/dstore/1.0.0.0/hdfs/etc/hadoop/hdfs-site.xml

测试会报错trino Caused by: IllegalArgumentException: The datetime zone id 'GMT+08:00' is not recognised

看起来是时区格式不对导致，然后将GMT+8改为GMT 后竟然好了

trino> show schemas from mysql;
       Schema
--------------------
 hive_metastore
 hue
 information_schema
 performance_schema
 sun
(5 rows)

Query 20231226_034949_00013_u2b9g, FINISHED, 1 node
Splits: 11 total, 11 done (100.00%)
1.84 [5 rows, 81B] [2 rows/s, 44B/s]

trino> show schemas from hive;
       Schema
--------------------
 default
 information_schema
(2 rows)

Query 20231226_034955_00014_u2b9g, FINISHED, 1 node
Splits: 11 total, 11 done (100.00%)
0.44 [2 rows, 35B] [4 rows/s, 80B/s]
trino>

3.启动

Presto DB和Presto SQL一样

命令	行动
run	在前台启动服务器并使其保持运行状态。关闭 服务器，在此终端中使用 Ctrl+C 或 另一个终端。stop
start	将服务器作为守护程序启动并返回其进程 ID。
stop	关闭以 或 开头的服务器。发送 SIGTERM 信号。start``run
restart	停止然后重新启动正在运行的服务器，或启动已停止的服务器， 分配新的进程 ID。
kill	通过发送 SIGKILL 信号来关闭可能挂起的服务器。
status	打印状态行，即“已停止的 pid”或“作为 pid 运行”。

启动脚本在安装目录的bin/launcher目录下，我们可以使用如下命令作为一个后台进程启动：

bin/launcher start

另外，也可以用在前台启动的方式运行，日志和目录输出将会写入到 stdout/stderr（可以使用类似daemontools的工具捕捉这两个数据流）

bin/launcher run

启动完之后，日志将会写在var/log目录下，该目录下有如下文件：

• launcher.log：这个日志文件由 launcher 创建，并且server的stdout和stderr都被重定向到了这个日志文件中。这份日志文件中只会有很少的信息，包括：

​ 在server日志系统初始化的时候产生的日志和JVM产生的诊断和测试信息。

• server.log：这个是 Presto 使用的主要日志文件。一般情况下，该文件中将会包括server初始化失败时产生的相关信息。

• http-request.log： 这是HTTP请求的日志文件，包括server收到的每个HTTP请求信息。

​ 启动成功之后，我们可以通过jps查看到多了一个 PrestoServer 的进程。

[root@sun75 etc]# jps
6051 PrestoServer

访问Presto DB的webui界面

访问Trino界面,没有配置密码前，输入任意密码即可

4.客户端操作

presto --server sun75:8080 --catalog mysql

[root@sun46 bin]# ./presto  --server sun75:8080 --catalog mysql 
presto> show schemas from mysql;
       Schema       
--------------------
 hive_metastore     
 hue                
 information_schema 
 performance_schema 
 sys                
(5 rows)

Query 20231218_022020_00000_fyx3a, FINISHED, 3 nodes
Splits: 36 total, 36 done (100.00%)
0:02 [5 rows, 81B] [3 rows/s, 51B/s]

presto> show schemas from hive;
       Schema       
--------------------
 default            
 information_schema 
(2 rows)

Query 20231218_022036_00001_fyx3a, FINISHED, 3 nodes
Splits: 36 total, 36 done (100.00%)
0:01 [2 rows, 35B] [1 rows/s, 29B/s]

presto> 

5.自定义日志路径

Presto日志路径默认在node.properties配置文件中的配置项node.data-dir路径下

-rw-r--r--. 1 root root  136423 Dec 15  2023 http-request.log
-rw-r--r--. 1 root root    2616 Dec 15 14:02 launcher.log
-rw-r--r--. 1 root root 1073982 Dec 15 14:02 server.log

具体目录在bin下的launch.py中设置

代码片段

o.pid_file = realpath(options.pid_file or pathjoin(o.data_dir, 'var/run/launcher.pid'))
o.launcher_log = realpath(options.launcher_log_file or pathjoin(o.data_dir, 'var/log/launcher.log'))
o.server_log = realpath(options.server_log_file or pathjoin(o.data_dir, 'var/log/server.log'))

其中o.data_dir就是node.data-dir配置项拼接，所以可以修改这个路径，让日志文件存到自定义目录，最优的方式是在配置文件中添加自定义配置项，修改如下

vi node.properties

# 自定义路径
custom.log.path=/srv/dstore/1.0.0.0/nfs/cluster/sun75/presto

vi launcher.py

log_path_dstore = node_properties['custom.log.path']
o.pid_file = realpath(options.pid_file or pathjoin(o.data_dir, 'run/launcher.pid'))
o.launcher_log = realpath(options.launcher_log_file or pathjoin(log_path_dstore, 'launcher.log'))
o.server_log = realpath(options.server_log_file or pathjoin(log_path_dstore, 'server.log'))

然后重启即可

参考

https://cloud.tencent.com/developer/article/1892572

http://armsword.com/2020/05/02/the-difference-between-prestodb-and-prestosql/

标签：node,log,Presto,部署,presto,server,root,Trino
From： https://www.cnblogs.com/nwnusun/p/17927772.html