跳到主要内容

Presto/Trino

问题​

什么是 Presto/Trino？和 Hive 有什么区别？

答案​

简介​

Presto（现已更名 Trino）是一个 **MPP（大规模并行处理）**查询引擎，提供秒级交互式查询。

对比Presto/TrinoHive
延迟秒~分钟分钟~小时
计算模型内存 PipelineMapReduce
存储不自带，查询外部HDFS
特色跨数据源查询大规模 ETL

跨源查询​

Presto/Trino 的核心优势是连接多个数据源统一查询：

-- 跨数据源 JOIN：Hive 表 + MySQL 表
SELECT
    h.user_id,
    h.total_amount,
    m.username,
    m.phone
FROM hive.dws.user_order_summary h
JOIN mysql.prod.users m ON h.user_id = m.user_id
WHERE h.dt = '2024-01-15';

支持的数据源：Hive、MySQL、PostgreSQL、MongoDB、Elasticsearch、Kafka、Redis 等。

适用场景​

场景是否适合原因
即席查询 / Ad-hoc✅秒级响应
BI 看板查询✅低延迟
跨源关联✅核心优势
大规模 ETL❌内存限制
流式计算❌不支持
数据分析师使用建议
  • 日常 Ad-hoc 分析首选 Trino（比 Hive 快很多）
  • BI 工具（Superset/Metabase）连接 Trino 做即席分析
  • 大批量 ETL 仍然用 Hive/Spark

常见面试问题​

Q1: Presto 和 Trino 是什么关系？​

答案：

  • Presto 是 Facebook 开源的查询引擎
  • 核心团队离开后创建了 Trino（原名 PrestoSQL）
  • 两者功能类似，Trino 是更活跃的社区版本

Q2: Presto/Trino 查询慢怎么优化？​

答案：

  1. 减少扫描的数据量（加分区过滤）
  2. 使用 ORC/Parquet 格式
  3. 避免大表 JOIN 大表
  4. 增加 Worker 节点
  5. 使用 EXPLAIN 查看执行计划

相关链接​