如何在CDH集群中部署Presto

温馨提示：如果使用电脑查看图片不清晰，可以使用手机打开文章单击文中的图片放大查看高清原图。

Fayson的github： https://github.com/fayson/cdhproject

提示：代码块部分可以左右滑动查看噢

1.文档编写目的

Presto是由Facebook开源，完全基于内存的并行计算以及分布式SQL交互式查询引擎。它可以共享Hive的元数据，然后直接访问HDFS中的数据，同时支持Hadoop中常见的文件格式比如文本，ORC和Parquet。同Impala一样，作为Hadoop之上的SQL交互式查询引擎，通常比Hive要快5-10倍。另外，Presto不仅可以访问HDFS，还可以访问RDBMS中的数据，以及其他数据源比如CASSANDRA。

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。

本篇文章Fayson主要介绍如何在CDH集群部署Presto并与Hive集成。

• 内容概述：

1.安装准备及环境说明

2.Presto部署及Hive集成

3.Presto与Hive集成测试

4.总结

• 测试环境：

1.CM5.14.3/CDH5.14.2

2.Presto版本0.205

3.操作系统版本为Redhat7.3

4.采用root用户进行操作

2.安装准备及环境说明

1.Presto部署节点及角色说明

Presto服务的安装目录为/opt/cloudera/parcels/presto

2.在Presto官网下载presto-server-0.205.tar.gz安装包

下载地址：

https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.205/presto-server-0.205.tar.gz

将下载好的presto-server-0.205.tar.gz上传至Presto集群的所有服务器上

3.将presto-server-0.205.tar.gz压缩包解压至/opt/cloudera/parcels目录

[root@cdh01 presto]# tar -zxvf presto-server-0.205.tar.gz -C /opt/cloudera/parcels/

为presto-server-0.205创建persto软链接

[root@cdh01 parcels]# ln -s presto-server-0.205 presto

该步骤需要在Presto集群的所有节点进行操作，这里以cdh01.fayson.com节点为例。

4.在/opt/cloudera/parcels/presto/bin/launcher文件如下位置添加JAVA环境变量

JAVA_HOME=/usr/java/jdk1.8.0_131
PATH=$JAVA_HOME/bin:$PATH

使用这种方式就可以直为Presto服务指定JAVA环境，而不会影响服务器上其它服务的JAVA环境。

3.准备Presto的配置文件

1.新建node.properties文件，内容如下：

[root@cdh01 presto-etc]# vim etc/node.properties
node.environment=faysonpresto
node.id=presto-cdh01
node.data-dir=/data/disk1/presto

配置说明：

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。

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。

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。

2.配置Presto的JVM参数,创建jvm.config文件，内容如下：

[root@cdh01 presto-etc]# vim jvm.config
-server
-Xmx8G
-XX:+UseConcMarkSweepGC
-XX:+ExplicitGCInvokesConcurrent
-XX:+CMSClassUnloadingEnabled
-XX:+AggressiveOpts
-XX:+HeapDumpOnOutOfMemoryError
-XX:OnOutOfMemoryError=kill -9 %p
-XX:ReservedCodeCacheSize=150M

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。（就想下面例子中的OnOutOfMemoryError选项）。

由于OutOfMemoryError将会导致JVM处于不一致状态，所以遇到这种错误的时候我们一般的处理措施就是将dump headp中的信息（用于debugging），然后强制终止进程。

Presto会将查询编译成字节码文件，因此Presto会生成很多class，因此我们我们应该增大Perm区的大小（在Perm中主要存储class）并且要允许Jvm class unloading。

3.创建config.properties文件

该配置文件包含了Presto Server的所有配置信息。每个Presto Server既是Coordinator也是一个Worker。在大型集群中，处于性能考虑，建议单独用一台服务器作为Coordinator。

coordinator节点的配置如下：

[root@cdh01 presto-etc]# vim coordinator-config.properties 
coordinator=true
node-scheduler.include-coordinator=false
http-server.http.port=8080
query.max-memory=4GB
query.max-memory-per-node=1GB
discovery-server.enabled=true
discovery.uri=http://cdh01.fayson.com:8080

worker节点的配置如下：

[root@cdh01 presto-etc]# vim worker-config.properties 
coordinator=false
http-server.http.port=8080
query.max-memory=4GB
query.max-memory-per-node=1GB
discovery.uri=http://cdh01.fayson.com:8080

配置项说明：

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)。

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不会被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。

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。

discovery.uri：Discoveryserver的URI。由于启用了Prestocoordinator内嵌的Discovery 服务，因此这个uri就是Prestocoordinator的uri。修改example.net:8080，根据你的实际环境设置该URI。注意：这个URI一定不能以“/“结尾。

4.新建日志文件log.properties，内容如下

[root@cdh01 presto-etc]# vim log.properties
com.facebook.presto=INFO

4.将准备好的配置文件分发

1.在Presto集群所有节点创建/opt/cloudera/pracles/presto/etc目录

[root@cdh01 shell]# sh ssh_do_all.sh node.list "mkdir -p /opt/cloudera/parcels/presto/etc"

2.将node.properties拷贝至Presto集群的所有节点

[root@cdh01 shell]# sh bk_cp.sh node.list /root/presto-etc/node.properties /opt/cloudera/parcels/presto/etc/

注意：这里拷贝了需要将Presto所有节点的node.id修改为对应节点的ID。

3.将jvm.config和log.properties配置文件拷贝至Presto集群所有节点

[root@cdh01 shell]# sh bk_cp.sh node.list /root/presto-etc/jvm.config /opt/cloudera/parcels/presto/etc/
[root@cdh01 shell]# sh bk_cp.sh node.list /root/presto-etc/log.properties /opt/cloudera/parcels/presto/etc/

4.将coordinator-config.properties文件拷贝至cdh01节点，并充命名为config.properties

[root@cdh01 presto-etc]# cp coordinator-config.properties /opt/cloudera/parcels/presto/etc/config.properties
[root@cdh01 presto-etc]# ll /opt/cloudera/parcels/presto/etc/

5.将worker-config.properties文件拷贝至Presto集群的worker节点，并重命名为config.properties

[root@cdh01 shell]# sh bk_cp.sh worker.node.list /root/presto-etc/worker-config.properties /opt/cloudera/parcels/presto/etc/config.properties

至此就完成了Presto集群的部署。

5.Presto服务启停

1.在Presto集群的所有节点执行如下命令启动Presto服务

[root@cdh01 bin]# /opt/cloudera/parcels/presto/bin/launcher start

2.在Presto集群的所有节点执行如下民拿过来停止Presto服务

[root@cdh01 bin]# /opt/cloudera/parcels/presto/bin/launcher stop

关于Presto的更多命令，可以通过如下命令查看

[root@cdh01 bin]# /opt/cloudera/parcels/presto/bin/launcher --help

6.Presto集成Hive

1.在Presto集群的所有节点创建目录，命令如下：

[root@cdh01 shell]# sh ssh_do_all.sh node.list "mkdir -p /opt/cloudera/parcels/presto/etc/catalog"

2.创建hive.properties，该文件与Hive服务集成使用，内容如下：

[root@cdh01 presto-etc]# vim hive.properties 
connector.name=hive-hadoop2
hive.metastore.uri=thrift://cdh01.fayson.com:9083

3.将hive.properties配置文件拷贝至Presto集群所有节点${PRESTO_HOME}/etc/catalog目录下

[root@cdh01 shell]# sh bk_cp.sh node.list /root/presto-etc/hive.properties /opt/cloudera/parcels/presto/etc/catalog

4.修改presto的jvm.config,在配置文件中增加Presto访问HDFS的用户名

[root@cdh01 presto-etc]# vim jvm.config 
-server
-Xmx8G
-XX:+UseConcMarkSweepGC
-XX:+ExplicitGCInvokesConcurrent
-XX:+CMSClassUnloadingEnabled
-XX:+AggressiveOpts
-XX:+HeapDumpOnOutOfMemoryError
-XX:OnOutOfMemoryError=kill -9 %p
-XX:ReservedCodeCacheSize=150M
-DHADOOP_USER_NAME=presto

将修改后的jvm.config文件同步至Presto集群所有节点的/opt/cloudera/parcels/presto/etc目录下。

5.上面的配置中指定了presto用户作为访问HDFS的用户，需要在集群所有节点添加presto用户

[root@cdh01 shell]# sh ssh_do_all.sh node.list "useradd presto"

6.重启Presto服务,在Presto集群所有节点执行如下命令：

/opt/cloudera/parcels/presto/bin/launcher restart

7.Presto与Hive集成测试

这里测试Presto与Hive的集成使用Presto提供的Presto CLI，该CLI是一个可执行的JAR文件，也意味着你可以想UNIX终端窗口一样来使用CLI。

1.下载Presto的presto-cli-0.205-executable.jar，并重命名为presto并赋予可以执行权限

https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.205/presto-cli-0.205-executable.jar

[root@cdh01 presto-etc]# mv presto-cli-0.205-executable.jar presto
[root@cdh01 presto-etc]# chmod +x presto 
[root@cdh01 presto-etc]# ll presto 

2.集群启用了Sentry，这里我们使用presto用户访问Hive所以为presto用户授权default库的所有权限

3.在命令行执行命令访问Hive库

[root@cdh01 presto-etc]# ./presto --server localhost:8080 --catalog=hive --schema=default

登录Presto的8080界面查看SQL执行记录

8.总结

1.在指定Presto的node.environment名称时需要注意，不能包含特殊字符如“-”，否则在启动时会报错“Error: Constraint violation with property prefix'': environment is malformed”

2.Presto服务和Presto CLI均是JAVA实现，所以在部署前需要安装好JAVA的环境

3.由于Fayson的集群启用了Sentry，所以在访问hive表时，需要为presto用户授权，否则访问表时会报没有权限读写HDFS目录。

提示：代码块部分可以左右滑动查看噢

为天地立心，为生民立命，为往圣继绝学，为万世开太平。 温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操，第一时间，分享更多Hadoop干货，欢迎转发和分享。

原创文章，欢迎转载，转载请注明：转载自微信公众号Hadoop实操