Presto集群安装配置

Presto是一个运行在多台服务器上的分布式系统。 完整安装包括一个coordinator（调度节点）和多个worker。 由客户端提交查询，从Presto命令行CLI提交到coordinator。 coordinator进行解析，分析并执行查询计划，然后分发处理队列到worker

目录：

• 环境基本要求
• 集群规划
• 连接器
• 安装步骤
• config.properties
• node.properties
• jvm.config
• log.properties
• Catalog Properties
• 运行presto
• 测试验证

环境基本要求

---

• Linux or Mac OS X
• Java 8, 64-bit
• Python 2.4+

集群规划

---

• hdp1 ( 192.169.1.89) : 调度节点
• hdp2 (192.169.1.2) :   worker节点
• hdp3 (192.169.1.99) : worker节点

连接器

---

• Presto支持从以下版本的Hadoop中读取Hive数据：支持以下文件类型：Text, SequenceFile, RCFile, ORC
1. Apache Hadoop 1.x  （hive-hadoop1）
2. Apache Hadoop 2.x  （hive-hadoop2）
3. Cloudera CDH 4       （hive-cdh4）
4. Cloudera CDH 5       （hive-cdh5）
• 此外，需要有远程的Hive元数据。 不支持本地或嵌入模式。 Presto不使用MapReduce，只需要HDFS

安装步骤

---

• 下载 presto-server-0.100, ( 下载地址：https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.100/presto-server-0.100.tar.gz）
• 将 presto-server-0.100.tar.gz 上传至linux主机，解压后的文件目录结构如下（称为安装目录）：Presto需要一个用于存储日志、本地元数据等的数据目录。 建议在安装目录的外面创建一个数据目录。这样方便Presto进行升级，如：/presto/data
  • 
• 在安装目录中创建一个etc目录， 在这个etc目录中放入以下配置文件：

1. config.properties ：Presto 服务配置
2. node.properties ：环境变量配置，每个节点特定配置
3. jvm.config ：Java虚拟机的命令行选项
4. log.properties: 允许你根据不同的日志结构设置不同的日志级别
5. catalog目录 ：每个连接者配置（data sources）

config.properties

---

• 包含了Presto server的所有配置信息。 每个Presto server既是一个coordinator也是一个worker。 但是在大型集群中，处于性能考虑，建议单独用一台机器作为 coordinator，一个coordinator的etc/config.properties应该至少包含以下信息：

  coordinator=true
  node-scheduler.include-coordinator=false
  http-server.http.port=9000
  task.max-memory=1GB
  discovery-server.enabled=true
  discovery.uri=http://192.169.1.89:9000

1. 1. coordinator：指定是否运维Presto实例作为一个coordinator(接收来自客户端的查询情切管理每个查询的执行过程)

   2. node-scheduler.include-coordinator：是否允许在coordinator服务中进行调度工作, 对于大型的集群，在一个节点上的Presto server即作为coordinator又作为worke将会降低查询性能。因为如果一个服务器作为worker使用，那么大部分的资源都会被worker占用，那么就不会有足够的资源进行关键任务调度、管理和监控查询执行
   3. http-server.http.port：指定HTTP server的端口。Presto 使用 HTTP进行内部和外部的所有通讯
   4. task.max-memory=1GB：一个单独的任务使用的最大内存 (一个查询计划的某个执行部分会在一个特定的节点上执行)。 这个配置参数限制的GROUP BY语句中的Group的数目、JOIN关联中的右关联表的大小、ORDER BY语句中的行数和一个窗口函数中处理的行数。 该参数应该根据并发查询的数量和查询的复杂度进行调整。如果该参数设置的太低，很多查询将不能执行；但是如果设置的太高将会导致JVM把内存耗光
   5. discovery-server.enabled：Presto 通过Discovery 服务来找到集群中所有的节点。为了能够找到集群中所有的节点，每一个Presto实例都会在启动的时候将自己注册到discovery服务。Presto为了简化部署，并且也不想再增加一个新的服务进程，Presto coordinator 可以运行一个内嵌在coordinator 里面的Discovery 服务。这个内嵌的Discovery 服务和Presto共享HTTP server并且使用同样的端口
   6. discovery.uri：Discovery server的URI。由于启用了Presto coordinator内嵌的Discovery 服务，因此这个uri就是Presto coordinator的uri。注意：这个URI一定不能以“/“结尾

• 注意：上例中如果是worker的config.properties，配置应该如下：

  coordinator=false
  http-server.http.port=9000
  query.max-memory=1GB
  discovery.uri=http://192.169.1.89:9000

• 如果用一台机器进行测试，那么这一台机器将会即作为coordinator，也作为worker。配置文件将会如下所示：

  coordinator=true
  node-scheduler.include-coordinator=true
  http-server.http.port=9000
  task.max-memory=1GB
  discovery-server.enabled=true
  discovery.uri=http://192.169.1.89:9000

node.properties

---

• 包含针对于每个节点的特定的配置信息。 一个节点就是在一台机器上安装的Presto实例，etc/node.properties配置文件至少包含如下配置信息

  node.environment=test
  node.id=ffffffff-ffff-ffff-ffff-ffffffffff01
  node.data-dir=/presto/data

1. node.environment： 集群名称, 所有在同一个集群中的Presto节点必须拥有相同的集群名称

2. node.id： 每个Presto节点的唯一标示。每个节点的node.id都必须是唯一的。在Presto进行重启或者升级过程中每个节点的node.id必须保持不变。如果在一个节点上安装多个Presto实例（例如：在同一台机器上安装多个Presto节点），那么每个Presto节点必须拥有唯一的node.id
3. node.data-dir： 数据存储目录的位置（操作系统上的路径）, Presto将会把日期和数据存储在这个目录下

jvm.config

---

• 包含一系列在启动JVM的时候需要使用的命令行选项。这份配置文件的格式是：一系列的选项，每行配置一个单独的选项。由于这些选项不在shell命令中使用。 因此即使将每个选项通过空格或者其他的分隔符分开，java程序也不会将这些选项分开，而是作为一个命令行选项处理,信息如下：

  -server
  -Xmx16G
  -XX:+UseConcMarkSweepGC
  -XX:+ExplicitGCInvokesConcurrent
  -XX:+CMSClassUnloadingEnabled
  -XX:+AggressiveOpts
  -XX:+HeapDumpOnOutOfMemoryError
  -XX:OnOutOfMemoryError=kill -9 %p
  -XX:ReservedCodeCacheSize=150M

log.properties

---

• 这个配置文件中允许你根据不同的日志结构设置不同的日志级别。每个logger都有一个名字（通常是使用logger的类的全标示类名）. Loggers通过名字中的“.“来表示层级和集成关系，信息如下：

  com.facebook.presto=DEBUG

• 配置日志等级，类似于log4j。四个等级：DEBUG,INFO,WARN,ERROR

Catalog Properties

---

• 通过在etc/catalog目录下创建catalog属性文件来完成catalogs的注册。 例如：可以先创建一个etc/catalog/jmx.properties文件，文件中的内容如下，完成在jmxcatalog上挂载一个jmxconnector

  connector.name=jmx

• 在etc/catalog目录下创建hive.properties，信息如下：

  connector.name=hive-hadoop2
  hive.metastore.uri=thrift://192.169.1.89:9083
  hive.config.resources=/etc/hadoop/2.4.2.0-258/0/core-site.xml, /etc/hadoop/2.4.2.0-258/0/hdfs-site.xml
  hive.allow-drop-table=true

运行presto

---

• 在安装目录的bin/launcher文件，就是启动脚本。Presto可以使用如下命令作为一个后台进程启动：

  bin/launcher start

• 也可以在前台运行, 可查看具体的日志

  bin/launcher run

• 停止服务进程命令

  bin/laucher stop

• 查看进程： ps -aux|grep PrestoServer  或 jps

测试验证

---

• 下载 presto-cli-0.100-executable.jar：Presto CLI为用户提供了一个用于查询的可交互终端窗口。CLI是一个 可执行 JAR文件, 这也就意味着你可以像UNIX终端窗口一样来使用CLI ，下载地址（https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.100/presto-cli-0.100-executable.jar）
• 文件下载后，重名名为 presto ， 使用 chmod +x 命令设置可执行权限

  chmod +x /presto/presto.jar

• 在hive中查一下hive default库中的表， 结果如下图：
• 
• 退出hive cli，进入presto cli
• 命令： ./presto.jar --server 192.168.1.89:9000 --catalog hive --schema default   (如果要调度，可加 --debug, 红色标识的项必须与 config.properties 配置文件中的uri 地址一致，配置的IP就用IP，机器名就用机器名)
• 命令： show tables;    (查看 hive  defult 库中表结构），如下：
• 
• 或者使用下面命令：
• ./presto.jar --server 192.168.1.89:9000 --catalog hive
• show tables from default;
• 命令： select * from web_log;  （查询上面创建Hive表的结果）
• 
• 命令： quit; 退出presto cli