Presto empezar
Presto es un sistema distribuido que se ejecuta en Hadoop y utiliza una arquitectura similar a la de un sistema clásico de gestión de bases de datos de procesamiento paralelo masivo (MPP). Cuenta con un nodo coordinador que trabaja en sincronía con múltiples nodos trabajadores. Los usuarios envían su consulta SQL al coordinador, que utiliza un motor de consulta y ejecución personalizado para analizar, planificar y programar un plan de consulta distribuido entre los nodos trabajadores. Está diseñado para soportar la semántica estándar ANSI SQL, incluidas consultas complejas, agregaciones, uniones, uniones externas izquierda/derecha, subconsultas, funciones de ventana, recuentos distintos y percentiles aproximados.
Una vez compilada la consulta, Presto procesa la petición en varias etapas a través de los nodos trabajadores. Todo el procesamiento se realiza en memoria y se canaliza a través de la red entre las etapas, para evitar cualquier sobrecarga innecesaria de E/S. La adición de más nodos de trabajo permite un mayor paralelismo y un procesamiento más rápido.
Presto es una carga de trabajo ideal en la nube, ya que ésta proporciona rendimiento, escalabilidad, fiabilidad, disponibilidad y enormes economías de escala. Puede poner en marcha un clúster de Presto en cuestión de minutos. No tiene que preocuparse por el aprovisionamiento de nodos, la configuración del clúster, la configuración de Presto ni el ajuste del clúster.
Presto gui
Ya existe una etiqueta con el nombre de rama proporcionado. Muchos comandos Git aceptan tanto nombres de etiqueta como de rama, por lo que crear esta rama puede causar un comportamiento inesperado. ¿Estás seguro de que quieres crear esta rama?
En la primera compilación, Maven descargará todas las dependencias de Internet y las almacenará en caché en el repositorio local (~/.m2/repository), lo que puede llevar un tiempo considerable. Las siguientes compilaciones serán más rápidas.
Después de construir Presto por primera vez, puede cargar el proyecto en su IDE y ejecutar el servidor. Recomendamos utilizar IntelliJ IDEA. Dado que Presto es un proyecto estándar de Maven, puede importarlo a su IDE utilizando el archivo raíz pom.xml. En IntelliJ, seleccione Abrir proyecto en el cuadro de inicio rápido o seleccione Abrir en el menú Archivo y seleccione el archivo pom.xml raíz.
Además, el plugin Hive debe estar configurado con la ubicación de su servicio Hive metastore Thrift. Añada lo siguiente a la lista de opciones VM, sustituyendo localhost:9083 por el host y puerto correctos (o utilice el valor de abajo si no tiene un metastore Hive):
Descargar Presto
El análisis de datos es el proceso de analizar datos brutos para recopilar información relevante que permita tomar mejores decisiones. Se utiliza principalmente en muchas organizaciones para tomar decisiones empresariales. Pues bien, el análisis de big data implica una gran cantidad de datos y este proceso es bastante complejo, de ahí que las empresas utilicen diferentes estrategias.
Apache Presto es un motor de ejecución de consultas en paralelo distribuido, optimizado para una baja latencia y un análisis de consultas interactivo. Presto ejecuta consultas fácilmente y escala sin tiempo de inactividad incluso desde gigabytes a petabytes.
Una sola consulta Presto puede procesar datos de múltiples fuentes como HDFS, MySQL, Cassandra, Hive y muchas más fuentes de datos. Presto está construido en Java y es fácil de integrar con otros componentes de la infraestructura de datos. Presto es potente, y empresas líderes como Airbnb, DropBox, Groupon, Netflix lo están adoptando.
Presto es compatible con el estándar ANSI SQL, lo que ha facilitado mucho las cosas a los analistas de datos y desarrolladores. Aunque está construido en Java, evita los problemas típicos del código Java relacionados con la asignación de memoria y la recolección de basura. Presto tiene una arquitectura de conectores compatible con Hadoop. Permite conectar fácilmente sistemas de archivos.
Trino
Presto (que incluye PrestoDB y PrestoSQL, que pasó a llamarse Trino) es un motor de consulta distribuido para macrodatos que utiliza el lenguaje de consulta SQL. Su arquitectura permite a los usuarios consultar fuentes de datos como Hadoop, Cassandra, Kafka, AWS S3, Alluxio, MySQL, MongoDB y Teradata,[1] y permite el uso de múltiples fuentes de datos en una consulta. Presto es un software de código abierto impulsado por la comunidad y publicado bajo la licencia Apache.
En 2014, Netflix reveló que utilizaba Presto en 10 petabytes de datos almacenados en Amazon Simple Storage Service (S3)[5] En noviembre de 2016, Amazon anunció un servicio llamado Athena que se basaba en Presto[6] En 2017, Teradata creó una empresa llamada Starburst Data para dar soporte comercial a Presto, que incluía personal adquirido de Hadapt en 2014[7] El software QueryGrid de Teradata permitía a Presto acceder a una base de datos relacional de Teradata[8].
La arquitectura de Presto es muy similar a la de otros sistemas de gestión de bases de datos que utilizan la computación en clúster, a veces denominada procesamiento paralelo masivo (MPP). Un coordinador trabaja en sincronía con varios trabajadores. Los clientes envían sentencias SQL que se analizan y planifican, tras lo cual se programan tareas paralelas para los trabajadores. Los trabajadores procesan conjuntamente las filas de las fuentes de datos y producen resultados que se devuelven al cliente. En comparación con el modelo de ejecución original de Apache Hive, que utilizaba el mecanismo MapReduce de Hadoop en cada consulta, Presto no escribe los resultados intermedios en disco, lo que supone una mejora significativa de la velocidad. Presto está escrito en Java.