使用presto查询同步到hive的hudi数据

温馨提示
要完成如下任务，请确保已经使用其他方法将hudi数据同步到hive中。
如果没有同步hive数据，可参考文章：使用flink SQL Client将mysql数据写入到hudi并同步到hive。并且，以下内容中的presto查询，即是基于上述参考文章所同步的hive表进行查询的，建议可先阅读上述参考文章。
以下presto安装以单节点为例。

presto 0.261 下载

下载presto-server和presto-cli

mkdir /data
mkdir /data/presto-cli
cd /data
wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.261/presto-server-0.261.tar.gz
wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.261/presto-cli-0.261-executable.jar

cp presto-cli-0.261-executable.jar /data/presto-cli
chmod +x /data/presto-cli/presto-cli-0.261-executable.jar
ln -s /data/presto-cli/presto-cli-0.261-executable.jar /data/presto-cli/presto
tar zxvf presto-server-0.261.tar.gz
ln -s /data/presto-server-0.261 /data/presto-server

目录如下：

presto server 配置

进入/data/presto-server目录下，执行如下操作：

新建etc目录以及配置文件：

cd /data/presto-server
mkdir data
mkdir etc
cd etc
touch config.properties
touch jvm.config
touch log.properties
touch node.properties
mkdir catalog
touch catalog/hive.properties

编辑配置文件：

vim config.properties

填入：

coordinator=true
node-scheduler.include-coordinator=true
http-server.http.port=8282
query.max-memory=5GB
query.max-memory-per-node=1GB
query.max-total-memory-per-node=2GB
discovery-server.enabled=true
discovery.uri=http://hadoop1:8282

上述配置项为presto-server配置信息，同时将coordinator以及worker都集中在同一台主机。

vim jvm.config

填入：

-server
-Xmx8G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError

上述配置项为presto-server jvm相关配置信息。

vim log.properties

填入：

com.facebook.presto = INFO

上述配置项为presto-server日志级别。

vim node.properties

填入：

node.environment=production
node.id=presto1
node.data-dir=/data/presto-server/data

上述配置项为节点信息。

vim catalog/hive.properties

填入：

connector.name = hive-hadoop2
hive.metastore.uri = thrift://hadoop:9083
hive.parquet.use-column-names=true
hive.config.resources = /data/presto-server/etc/catalog/core-site.xml,/data/presto-server/etc/catalog/hdfs-site.xml 

上述配置项为hive连接信息，其中，

• connector.name为hive connector名称

• hive.metastore.uri为hive metastore连接信息

• hive.parquet.use-column-names=true设置来解决presto读取parquet类型问题，必填项

• hive.config.resources为hdfs集群的相关配置文件信息，可将其拷贝到/data/presto-server/etc/catalog目录下

关于presto更详细的配置信息可参考：https://prestodb.io/docs/current/installation/deployment.html

presto server 启动

启动命令如下：

/data/presto-server/bin/launcher start

启动之后，可以在/data/presto-server/data/var/log中看到相应的日志文件。

[root@hadoop1 presto-server]# ll /data/presto-server/data/var/log
total 3208
-rw-r--r--. 1 root root 1410243 Sep 27 07:07 http-request.log
-rw-r--r--. 1 root root    2715 Sep 27 05:44 launcher.log
-rw-r--r--. 1 root root 1867319 Sep 27 06:01 server.log

presto cli 启动

/data/presto-cli/presto --server hadoop1:8282 --catalog hive --schema test

其中，schema表示库名。

至此，我们完成了presto安装与启动工作，接下来就可以对hive中的数据进行查询。

使用presto查询cow表

首先确保，你已经通过其他方式，将hudi COW表同步到hudi中，如果没有相关同步，可参考文章：使用flink SQL Client将mysql数据写入到hudi并同步到hive

本文在参考文章基础上进行，所查询的表也是基于上述参考文章导入的表数据。

执行如下查询操作：

select count(*) from stu_tmp_1;

select * from stu_tmp_1 limit 10;

select name from stu_tmp_1 group by name, school limit 10;

得到如下结果：