京东开源的分布式SQL查询引擎：Presto
Presto是什么？
Presto是一个开源的分布式SQL查询引擎，适用于交互式分析查询，数据量支持GB到PB字节。
Presto的设计和编写完全是为了解决像非死book这样规模的商业数据仓库的交互式分析和处理速度的问题。
它可以做什么？
Presto支持在线数据查询，包括Hive, Cassandra, 关系数据库以及专有数据存储。 一条Presto查询可以将多个数据源的数据进行合并，可以跨越整个组织进行分析。
Presto以分析师的需求作为目标，他们期望响应时间小于1秒到几分钟。 Presto终结了数据分析的两难选择，要么使用速度快的昂贵的商业方案，要么使用消耗大量硬件的慢速的“免费”方案。
谁在使用它？
非死book使用Presto进行交互式查询，用于多个内部数据存储，包括300PB的数据仓库。 每天有1000多名非死book员工使用Presto，执行查询次数超过30000次，扫描数据总量超过1PB。
领先的互联网公司包括Airbnb和Dropbox都在使用Presto。
Presto令人吃惊。 首席工程师Andy Kramolisch刚在生产环境使用了几天。 在大多数情况下它比Hive快几个数量级。 与Redshift不同，它直接从HDFS读取数据，在使用前不需要大量的ETL操作，就可以工作。
Christopher Gutierrez, 在线分析经理, Airbnb
我们对Presto感到非常兴奋。 我们打算用它快速获取用户使用Dropbox的不同方式，以及诊断他们遇到的问题。 在我们目前的测试中，它应用于某些最重要的特别用例，它表现稳定并且非常快。
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。
需求
Presto的基本需求
- Linux or Mac OS X
- Java 8, 64-bit
- Python 2.4+
连接器
Presto支持插接式连接器提供的数据。 各连接器的设计需求会有所不同。
Hadoop / Hive
Presto支持从以下版本的Hadoop中读取Hive数据：
- Apache Hadoop 1.x
- Apache Hadoop 2.x
- Cloudera CDH 4
- Cloudera CDH 5
支持以下文件类型：Text, SequenceFile, RCFile, ORC
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。
Cassandra
必须有Cassandra 2.x。 这种连接器完全不依赖Hive连接器，只需要一个安装好的Cassandra。
TPC-H
TPC-H连接器动态生成数据，可以用于实验与测试Presto。 此连接器没有额外要求。
部署
详细的部署方法见 Presto部署 说明。
执行查询
完成Presto部署后，你可以使用 命令行接口 执行查询。