Presto 和 Hive

Posted 2023-03-21

【中文标题】Presto 和 Hive

【英文标题】：Presto and Hive

【发布时间】：2017-06-29 11:35:46

【问题描述】：

我正在尝试启用对位于 s3 目录中的 CSV 文件的基本 SQL 查询。 Presto 看起来很自然（文件为 10s GB）。当我在 Presto 中进行设置时，我尝试使用 Hive 连接器创建一个表。我不清楚我是否只需要 hive 元存储来将我的表配置保存在 Presto 中，或者我是否必须先在其中创建它们。

文档表明您可以使用 Presto 而无需配置 Hive，而是使用 Hive 语法。那准确吗？我的经验是 AWS S3 无法连接。

【问题讨论】：

旁注：您也可以考虑使用Amazon Athena，这是 Presto 的无服务器实现。但是，目前仅在少数地区。

我很想使用 Amazon Athena，但它不符合我的特定用例（医疗保健）

我的经验是 AWS S3 无法连接。 -- 究竟是什么问题？如果您使用 IAM 角色授予 EC2 机器对 S3 的访问权限，Presto Hive 连接器开箱即用地支持 S3（至少 s3a://）。

【参考方案1】：

Presto 语法类似于 Hive 语法。对于大多数简单的查询，相同的语法将在两者中起作用。但是，Presto 和 Hive 存在一些关键差异，它们并不完全相同。例如，在 Hive 中，您可能使用 LATERAL VIEW EXPLODE，而在 Presto 中，您将使用 CROSS JOIN UNNEST。两者之间有许多细微的句法差异的例子。

【参考方案2】：

在没有 Hive 的情况下，无法使用 vanilla Presto 分析 S3 上的数据。 Presto 仅提供分布式执行引擎。但是，它缺少有关表的元数据信息。因此，Presto Coordinator 需要 Hive 检索表元数据以解析和执行查询。

但是，您可以使用托管 Presto 的 AWS Athena 在 S3 之上运行查询。

另一个选项，在最近的0.198 releasePresto 中添加了连接 AWS Glue 并在 S3 中的文件之上检索表元数据的功能。

【参考方案3】：

我知道已经有一段时间了，但如果这个问题仍然悬而未决，您是否考虑过使用 Spark？ Spark 可以通过开箱即用的方法轻松连接，并且可以查询/处理以 S3/CSV 格式存在的数据。

另外，我很好奇：您最终实施了什么解决方案来解决您的问题？