presto调研和json解析函数的使用

时间:2023-03-09 00:09:35
presto调研和json解析函数的使用

presto简单介绍

presto是一个分布式的sql交互式查询引擎。可以达到hive查询效率的5到10倍。支持多种数据源的秒级查询。

presto是基于内存查询的,这也是它为什么查询快的原因。除了基于内存,presto还使用了

    • 向量计算,
    • 动态编译执⾏计划
    • 优化的ORC和Parquet Reader技术

从而优化查询的速度。

    1. presto和hive的对比
      hive和presto是针对不同使用场景的。presto虽然查询很快,但是也不是适用于所有的查询场景。
      比如做多张大表的关联查询,
      由于presto是基于内存查询的。做大表关联查询时,数据要加载到内存中,假如使用presto查询超过了几分钟才会有返回。
      且严重影响集群的性能。这就违背了presto交互式查询的初衷,交互式就是要做到近实时查询与返回。
      所以,presto不适合做多张大表的join操作或者ETL操作。这种情况就该使用hive了。
      另外,hive只能做hdfs查询(es等需要插件支持),而presto支持了mysql,pg,kafka,redis等。
      总之,presto是支持多数据源的查询利器。
    2. 适用场景
      presto不应作为etl工具,和做多表关连查询。而应该更多的作为单表的查询操作。
    3. 结合我们的业务场景,不难想到,presto适用的场景是

      1. 在数仓的前两层,presto可以做验数,查询某条数据使用;
      2. 业务人员和数据分析师在操作生成好的事实表查询时,使用presto,体验会有很大的提升 

presto的使用

           presto的官方文档写的十分清楚,相信大家结合文档,可以很快的把一句hive sql 转化为presto sql

https://prestodb.github.io/docs/current/

    • json解析
    • 因为我们解析log最常用的就是json解析。
      我们单独说下json解析的方法。直接上代码:

      --  employee表的xjson字段,只有一条数据
      [{"name":"王二","sex":"男","age":"25"},{"name":"李四","sex":"男","age":"47"}]

      取出"王二"的年龄:

    • hive sql为:

      select
      get_json_object(xjson,'$.[0].age')
      from
      employee limit 1;

      hive 查询结果为:

    • presto 对json的处理函数是 json_array_get() 和 json_extract()

      -- 我们分步操作,先用 json_array_get()取出jsonArray的第一个元素
      select
      json_array_get(xjson,0)
      from
      employee
      limit 1;

      presto查询结果:  {"name":"王二","sex":"男","age":"25"}

      -- 再介绍下用 json_extract() 在 {"name":"王二","sex":"男","age":"25"} 中查询 "王二"的年龄
      -- json_extract 和 hive中的get_json_object类似
      select
      json_extract('{"name":"王二","sex":"男","age":"25"}', '$.age')

      presto查询结果是:

          总结:presto提供了解析json的函数, json_array_get() 和 json_extract(),对于jsonArray,需要用 json_array_get() 获取到从0开始的第几个元素。
                     对与jsonObject和hive的get_json_object()的用法一致。
      hive函数 get_json_object,请参考我的另一篇文章 https://www.cnblogs.com/drjava/p/10486134.html