【大数据】通过 docker-compose 快速部署 Presto（Trino）保姆级教程

一、概述

Presto是一个快速的分布式查询引擎，最初由Facebook开发，现在归属于 Presto Software Foundation（由 Facebook、Teradata 和其他公司一起支撑）。Presto的中心特点是支撑长途数据访问，能够查询包含Hadoop、Cassandra、Relational databases、NoSQL databases在内的多个数据源。Presto支撑规范的SQL语法，一起供给了一些扩展功能，如分布式查询、动态分区、自定义聚合和分析函数等。

可是Presto现在有两大分支：PrestoDB（背靠Facebook）和 PrestoSQL现在改名为Trino（Presto的创始团队），虽然PrestoDB背靠Facebook，可是社区活跃度和运用集体仍是远不如Trino。所以这儿以Trino为主打开讲解。

关于更多的Presto介绍能够参阅我这篇文章：大数据Hadoop之——根据内存型SQL查询引擎Presto（Presto-Trino环境布置）

二、前期准备

1）布置 docker

# 装置yum-config-manager装备东西
yum -y install yum-utils
# 建议运用阿里云yum源：（推荐）
#yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
# 装置docker-ce版别
yum install -y docker-ce
# 发动并开机发动
systemctl enable --now docker
docker --version

2）布置 docker-compose

curl -SL https://github.com/docker/compose/releases/download/v2.16.0/docker-compose-linux-x86_64 -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose
docker-compose --version

三、创立网络

# 创立，留意不能运用hadoop_network，要不然发动hs2服务的时候会有问题！！！
docker network create hadoop-network
# 检查
docker network ls

四、Trino 编列布置

1）下载 trino

官方下载地址：trino.io/download.ht…

# trino server
wget https://repo1.maven.org/maven2/io/trino/trino-server/416/trino-server-416.tar.gz
# trino Command line client
wget https://repo1.maven.org/maven2/io/trino/trino-cli/416/trino-cli-416-executable.jar
# jdk
wget https://cdn.azul.com/zulu/bin/zulu20.30.11-ca-jdk20.0.1-linux_x64.tar.gz

2）装备

首要创立etc和data目录，后边装备文件需求用到

mkdir -p etc/{coordinator,worker} etc/catalog/ images

1、coordinator 装备

• node.properties

cat << EOF > etc/coordinator/node.properties
# 环境的姓名。集群中所有的Trino节点必须具有相同的环境称号。
node.environment=test
# 此Trino装置的仅有标识符。这关于每个节点都必须是仅有的。
node.id=trino-coordinator
# 数据目录的位置(文件体系途径)。Trino在这儿存储日志和其他数据。
node.data-dir=/opt/apache/trino/data
EOF

• jvm.config

cat << EOF > etc/coordinator/jvm.config
-server
-Xmx2G
-XX:InitialRAMPercentage=80
-XX:MaxRAMPercentage=80
-XX:G1HeapRegionSize=32M
-XX:+ExplicitGCInvokesConcurrent
-XX:+ExitOnOutOfMemoryError
-XX:+HeapDumpOnOutOfMemoryError
-XX:-OmitStackTraceInFastThrow
-XX:ReservedCodeCacheSize=512M
-XX:PerMethodRecompilationCutoff=10000
-XX:PerBytecodeRecompilationCutoff=10000
-Djdk.attach.allowAttachSelf=true
-Djdk.nio.maxCachedBufferSize=2000000
-XX:+UnlockDiagnosticVMOptions
-XX:+UseAESCTRIntrinsics
# Disable Preventive GC for performance reasons (JDK-8293861)
-XX:-G1UsePreventiveGC
EOF

• config.properties

cat << EOF > etc/coordinator/config.properties
# 设置该节点为coordinator节点
coordinator=true
# 答应在协调器上调度工作，也就是coordinator节点又充任worker节点用
node-scheduler.include-coordinator=false
# 指定HTTP服务器的端口。Trino运用HTTP进行内部和外部web的所有通讯。
http-server.http.port=8080
# 查询能够运用的最大分布式内存。【留意】不能装备超越jvm装备的最大仓库内存大小
query.max-memory=1GB
# 查询能够在任何一台机器上运用的最大用户内存。【留意】也是不能装备超越jvm装备的最大仓库内存大小
query.max-memory-per-node=1GB
# hadoop-node1也能够是IP
discovery.uri=http://localhost:8080
EOF

• log.properties

cat << EOF > etc/coordinator/log.properties
# 设置日志级别，有四个级别：DEBUG, INFO, WARN and ERROR
io.trino=INFO
EOF

2、worker 装备

• node.properties

cat << EOF > etc/worker/node.properties
# 环境的姓名。集群中所有的Trino节点必须具有相同的环境称号。
node.environment=test
# 此Trino装置的仅有标识符。这关于每个节点都必须是仅有的。
# node.id=trino-worker
# 数据目录的位置(文件体系途径)。Trino在这儿存储日志和其他数据。
node.data-dir=/opt/apache/trino/data
EOF

• jvm.config

cat << EOF > etc/worker/jvm.config
-server
-Xmx2G
-XX:InitialRAMPercentage=80
-XX:MaxRAMPercentage=80
-XX:G1HeapRegionSize=32M
-XX:+ExplicitGCInvokesConcurrent
-XX:+ExitOnOutOfMemoryError
-XX:+HeapDumpOnOutOfMemoryError
-XX:-OmitStackTraceInFastThrow
-XX:ReservedCodeCacheSize=512M
-XX:PerMethodRecompilationCutoff=10000
-XX:PerBytecodeRecompilationCutoff=10000
-Djdk.attach.allowAttachSelf=true
-Djdk.nio.maxCachedBufferSize=2000000
-XX:+UnlockDiagnosticVMOptions
-XX:+UseAESCTRIntrinsics
# Disable Preventive GC for performance reasons (JDK-8293861)
-XX:-G1UsePreventiveGC
EOF

• config.properties

cat << EOF > etc/worker/config.properties
# 设置该节点为worker节点
coordinator=false
# 指定HTTP服务器的端口。Trino运用HTTP进行内部和外部web的所有通讯。
http-server.http.port=8080
# 查询能够运用的最大分布式内存。【留意】不能装备超越jvm装备的最大仓库内存大小
query.max-memory=1GB
# 查询能够在任何一台机器上运用的最大用户内存。【留意】也是不能装备超越jvm装备的最大仓库内存大小
query.max-memory-per-node=1GB
# hadoop-node1也能够是IP
discovery.uri=http://trino-coordinator:8080
EOF

• log.properties

cat << EOF > etc/worker/log.properties
# 设置日志级别，有四个级别：DEBUG, INFO, WARN and ERROR
io.trino=INFO
EOF

3）发动脚本 bootstrap.sh

#!/usr/bin/env sh
wait_for() {
    echo Waiting for $1 to listen on $2...
    while ! nc -z $1 $2; do echo waiting...; sleep 1s; done
}
start_trino() {
   node_type=$1
   if [ "$node_type" = "worker" ];then
      wait_for trino-coordinator 8080
   fi
   ${TRINO_HOME}/bin/launcher run --verbose
}
case $1 in
        trino-coordinator)
                start_trino coordinator
                ;;
        trino-worker)
                start_trino worker
                ;;
        *)
                echo "请输入正确的服务发动指令~"
        ;;
esac

4）构建镜像 Dockerfile

FROM registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/centos:7.7.1908
RUN rm -f /etc/localtime && ln -sv /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo "Asia/Shanghai" > /etc/timezone
RUN export LANG=zh_CN.UTF-8
# 创立用户和用户组，跟yaml编列里的user: 10000:10000
RUN groupadd --system --gid=10000 hadoop && useradd --system --home-dir /home/hadoop --uid=10000 --gid=hadoop hadoop -m
# 装置sudo
RUN yum -y install sudo ; chmod 640 /etc/sudoers
# 给hadoop增加sudo权限
RUN echo "hadoop ALL=(ALL) NOPASSWD: ALL" >> /etc/sudoers
RUN yum -y install install net-tools telnet wget nc
RUN mkdir /opt/apache/
# 增加装备 JDK
ADD zulu20.30.11-ca-jdk20.0.1-linux_x64.tar.gz /opt/apache/
ENV JAVA_HOME /opt/apache/zulu20.30.11-ca-jdk20.0.1-linux_x64
ENV PATH $JAVA_HOME/bin:$PATH
# 增加装备 trino server
ENV TRINO_VERSION 416
ADD trino-server-${TRINO_VERSION}.tar.gz /opt/apache/
ENV TRINO_HOME /opt/apache/trino
RUN ln -s /opt/apache/trino-server-${TRINO_VERSION} $TRINO_HOME
# 创立装备目录和数据源catalog目录
RUN mkdir -p ${TRINO_HOME}/etc/catalog
# 增加装备 trino cli
COPY trino-cli-416-executable.jar $TRINO_HOME/bin/trino-cli
# copy bootstrap.sh
COPY bootstrap.sh /opt/apache/
RUN chmod +x /opt/apache/bootstrap.sh ${TRINO_HOME}/bin/trino-cli
RUN chown -R hadoop:hadoop /opt/apache
WORKDIR $TRINO_HOME

开端构建镜像

docker build -t registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/trino:416 . --no-cache
# 为了方便小伙伴下载即可运用，我这儿将镜像文件推送到阿里云的镜像仓库
docker push registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/trino:416
### 参数解释
# -t：指定镜像称号
# . ：当时目录Dockerfile
# -f：指定Dockerfile途径
#  --no-cache：不缓存

5）编列 docker-compose.yaml

version: '3'
services:
  trino-coordinator:
    image: registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/trino:416
    user: "hadoop:hadoop"
    container_name: trino-coordinator
    hostname: trino-coordinator
    restart: always
    privileged: true
    env_file:
      - .env
    volumes:
      - ./etc/coordinator/config.properties:${TRINO_HOME}/etc/config.properties
      - ./etc/coordinator/jvm.config:${TRINO_HOME}/etc/jvm.config
      - ./etc/coordinator/log.properties:${TRINO_HOME}/etc/log.properties
      - ./etc/coordinator/node.properties:${TRINO_HOME}/etc/node.properties
      - ./etc/catalog/:${TRINO_HOME}/etc/catalog/
    ports:
      - "30080:${TRINO_SERVER_PORT}"
    command: ["sh","-c","/opt/apache/bootstrap.sh trino-coordinator"]
    networks:
      - hadoop-network
    healthcheck:
      test: ["CMD-SHELL", "curl --fail http://localhost:${TRINO_SERVER_PORT}/v1/info || exit 1"]
      interval: 10s
      timeout: 20s
      retries: 3
  trino-worker:
    image: registry.cn-hangzhou.aliyuncs.com/bigdata_cloudnative/trino:416
    user: "hadoop:hadoop"
    restart: always
    privileged: true
    deploy:
      replicas: 3
    env_file:
      - .env
    volumes:
      - ./etc/worker/config.properties:${TRINO_HOME}/etc/config.properties
      - ./etc/worker/jvm.config:${TRINO_HOME}/etc/jvm.config
      - ./etc/worker/log.properties:${TRINO_HOME}/etc/log.properties
      - ./etc/worker/node.properties:${TRINO_HOME}/etc/node.properties
      - ./etc/catalog/:${TRINO_HOME}/etc/catalog/
    expose:
      - "${TRINO_SERVER_PORT}"
    command: ["sh","-c","/opt/apache/bootstrap.sh trino-worker"]
    networks:
      - hadoop-network
    healthcheck:
      test: ["CMD-SHELL", "curl --fail http://localhost:${TRINO_SERVER_PORT}/v1/info || exit 1"]
      interval: 10s
      timeout: 10s
      retries: 3
# 连接外部网络
networks:
  hadoop-network:
    external: true

.env 文件内容如下：

cat << EOF > .env
TRINO_SERVER_PORT=8080
HADOOP_HDFS_DN_PORT=/opt/apache/trino
EOF

6）开端布置

docker-compose -f docker-compose.yaml up -d
# 检查
docker-compose -f docker-compose.yaml ps

web 地址：http://ip:30080

五、简略测验验证

hive和mysql快熟布置文档可参阅我这篇文章：通过 docker-compose 快速布置 Hive 具体教程

1）mysql 数据源

增加 mysql 数据源，在宿主机上装备即可，因现已挂载了

cat << EOF > ./etc/catalog/mysql.properties
connector.name=mysql
connection-url=jdbc:mysql://mysql:3306
connection-user=root
connection-password=123456
EOF

重启 trino

docker-compose -f docker-compose.yaml restart

测验验证

# 登录容器
docker exec -it trino-coordinator bash
${TRINO_HOME}/bin/trino-cli --server http://trino-coordinator:8080 --user=hadoop 
# 检查数据源
show catalogs;
# 检查mysql库
show schemas from mysql;
# 检查表
show tables from mysql.hive_metastore;
# 检查表数据
select * from mysql.hive_metastore.version;

2）hive 数据源

增加 hive 数据源，在宿主机上装备即可，因现已挂载了

cat << EOF > etc/catalog/hive.properties
connector.name=hive
hive.metastore.uri=thrift://hive-metastore:9083
EOF

重启 trino

docker-compose -f docker-compose.yaml restart

测验验证

# 登录容器
docker exec -it trino-coordinator bash
${TRINO_HOME}/bin/trino-cli --server http://trino-coordinator:8080 --user=hadoop 
# 检查数据源
show catalogs;
# 检查mysql库
show schemas from hive;
# 检查表
show tables from hive.default;
# 检查表数据
select * from hive.default.student;

docker-compose 快速布置 Presto（Trino）保姆级教程就先到这儿了，有任何疑问可重视我的大众号【大数据与云原生技术共享】加群交流或私信咨询问题，如这篇文章对你有所帮助，费事帮助一键三连（点赞、转发、加重视）哦~