Presto如何带来最好的大数据分析师

如果您的职位类似于Data Analyst，VP Analytics，分析主管等，您就知道您的角色在公司中的重要性。

你开始工作时，会面临无数的报告。管理层会议正在召开，客户的数据由您的组织管理，他们希望获得有关其基于云的音乐流应用的采用报告。为此，您需要使用包含数十亿行的表，并对关系数据库和Hive数据库进行排序。

这只是一个例子。您可能在公司面临更繁琐的工作。

作为数据分析师，您希望提供足够的相关数据，以便组织中的员工可以在各自的角色中做出明智且数据驱动的决策。

但要获得最佳结果，您必须能够轻松快速地访问数据。你越快，你就越容易完成工作。他们越喜欢与您合作，您的雇主就越难以取代您。

您需要一个快速查询引擎，使您能够将组织使用的所有数据源中的数据收集到一个结果中，以便您可以快速做出数据驱动的决策。

这就是 Presto的 用武之地。您可能已经了解历史。但如果没有，这里有一个快速的解释。

关于Presto的快速背景

Presto是由Facebook在2013年开发的一种开源软件，用于高速查询不同来源的数据库，无论其数据的数量，速度和数量如何。

构建这个大数据查询引擎的项目始于2008年，当时Facebook意识到他们需要一个可以查询数据库的引擎，而不管它们位于何处（Hadoop，Cassandra等）。快进到今天，Presto现在被Uber，Twitter，AirBnB，亚马逊和其他几家企业的大公司所使用，主要是因为它的速度和能力。

“Presto让我们的用户的生活更轻松。它极大地提高了他们的生产力“ - Netflix

“我们选择Presto作为我们系统的 SQL 引擎，因为它具有可扩展性，高性能以及与Hadoop的平滑集成。这些属性使其非常适合我们的许多团队“ - 优步

Teradata 为Presto提供了首个商业支持，之后，Netflix等其他公司也加入了开源查询引擎。目前，Presto由Apache授权，并提供ANSI SQL合规性和基于规则的优化器。

但是，如果你要从Presto中获得最大的收益，那么你很清楚Presto究竟是什么，不是什么？

Presto是什么和不是什么

• 首先，Presto 不是关系数据库管理系统。它理解或使用SQL并不意味着它可以替代传统的RDBMS，如MySQL，PostgreSQL等。
• Presto 是一种工具，旨在使用分布式查询有效地查询不同来源的大量数据。
• 如果您在组织中使用数PB的数据，很可能您一直在使用与Hadoop和HDFS交互的工具。Presto 是这些 工具 的完美替代品。
• Presto 另一个主要力量时聚合不同类型的数据源，包括传统的RDBMS和其他数据源，如Cassanda上操作的能力。
• Presto还设计用于处理数据仓库和分析：数据分析，聚合大量数据和生成报告工作负载 - 通常归类为在线分析处理（OLAP）

轻松访问存储在任何地方的数据

Presto允许查询它所在的数据 - 无论是在Hive，Cassandra，关系数据库还是专有数据存储上。单个Presto查询可以组合来自多个来源的数据，从而允许整个组织进行分析。

无论您的数据存储在何处（云或本地存储），只要使用了适用于这些数据源的连接器，Presto就可以轻松访问这些位置的数据。

Netflix 的大数据团队在Amazon S3上的数据仓库中使用Presto（亚马逊提供的云存储解决方案，可以从任何地方存储和检索任何数量的数据）：

传统SQL语法的优点

Presto使用ANSI SQL语法和语义来构建其查询。

这样做的好处是，拥有丰富关系数据库经验的分析师会发现编写Presto查询非常容易和直接，减少了在学习全新语法风格时分析数据时出现的停机时间和滞后。

然后是Optimized Row Columnar文件格式的优势。

优化行列（ORC）

Presto还支持ORC文件格式，它提供了一种存储Hive数据的高效方法。Presto的ORC阅读器能够跳过不需要的数据，延迟读取和矢量化读取。

安装Presto

安装Presto有一些要求：

1. Linux OS或Mac OS X.
2. Java 8,64位
3. Python 2.4+
4. Presto服务器tarball， presto-server-0.184.tar.gz

Prestodb.io上用于部署的文档非常易于理解，并且按照文档中列出的步骤，您将在大约10分钟内启动并运行presto服务器。您可以在 此处 找到详细的文档。

根据您要连接的数据源，Presto还提供各种连接器，以确保Presto服务器与数据源之间的无缝通信。可用的Presto连接器包括：

• Accumulo Connector
• Black Hole Connector
• Cassandra Connector
• Hive Connector
• JMX Connector
• Kafka Connector  with a  Kafka Connector Tutorial
• Local File Connector
• Memory Connector
• MongoDB Connector
• MySQL Connector
• PostgreSQL Connector
• Redis Connector
• SQL Server Connector
• System Connector
• Thrift Connector
• TPCDS Connector
• TPCH Connector

在多个源上运行Presto查询

正如我之前提到的，Presto允许您一次对多个数据源运行查询，并使用SQL语句返回单个结果表。

它能够与位于任何地方的各种数据源集成，这意味着您可以与Cassandra，PostgreSQL，Accumulo，Hive和 MongoDB 连接，并使用Presto的SQL语法将这些源中的数据提取到单个结果视图中。