presto简单

presto是一个分布式的sql交互式查询引擎。可以达到hive查询效率的5到10倍。支持多种数据源的秒级查询。
presto是基于内存查询的，这也是它为什么查询快的原因。除了基于内存，presto还使用了

  • 向量计算，
  • 动态编译执⾏计划
  • 优化的ORC和Parquet Reader技术

从而优化查询的速度

presto和hive的对比

hive 和 presto 是针对不同使用场景的。presto虽然查询很快，但是也不是适用于所有的查询场景。
比如做多张大表的关联查询，由于presto是基于内存查询的。做大表关联查询时，数据要加载到内存中，假如使用presto查询超过了几分钟才会有返回。且严重影响集群的性能。这就违背了presto交互式查询的初衷，交互式就是要做到近实时查询与返回。

所以，presto不适合做多张大表的join操作或者ETL操作。这种情况就该使用hive了。

另外，hive只能做hdfs查询（es等需要插件支持），而presto支持了mysql，pg，kafka，redis等。总之，presto是支持多数据源的查询利器。

结合我们的业务场景，不难想到，presto适用的场景是：
1.在数仓的前两层，presto可以做验数，查询某条数据使用；
2.业务人员和数据分析师在操作生成好的事实表查询时，使用presto，体验会有很大的提升

_适用场景_presto不应作为etl工具，和做多表关连查询。而应该更多的作为单表的查询操作。

presto的使用

presto的官方文档写的十分清楚，相信大家结合文档，可以很快的把一句hive sql 转化为presto sql
https://prestodb.github.io/docs/current/

因为我们解析log最常用的就是json解析。
我们单独说下json解析的方法。直接上代码：

| — employee表的xjson字段，只有一条数据 [{“name”:”王二”,”sex”:”男”,”age”:”25”},{“name”:”李四”,”sex”:”男”,”age”:”47”}] | | —- |

  • 取出”王二”的年龄：

  • hive sql为： | select get_json_object(xjson，’$.[0].age’) from employee limit 1; | | —- |

  • hive 查询结果为： 25

  • presto 对json的处理函数是 json_array_get() 和 json_extract() | — 我们分步操作，先用 json_array_get()取出jsonArray的第一个元素 select json_array_get(xjson,0) from employee limit 1; | | —- |

  • presto查询结果： {“name”:”王二”,”sex”:”男”,”age”:”25”} | — 再介绍下用 json_extract() 在 {“name”:”王二”,”sex”:”男”,”age”:”25”} 中查询 “王二”的年龄 — json_extract 和 hive中的get_json_object类似 select json_extract(‘{“name”:”王二”,”sex”:”男”,”age”:”25”}’, ‘$.age’) | | —- |

  • presto查询结果是：25
    ##

总结：

presto提供了解析json的函数， json_array_get() 和 json_extract()，对于jsonArray，需要用 json_array_get() 获取到从0开始的第几个元素。对与jsonObject和hive的get_json_object()的用法一致。