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. 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。
   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： 25

  • 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：25

     

          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