关于Presto对lzo压缩的表查询使用记录

0.写在前面

• 实验背景：离线数仓项目
• Presto版本：0.196
• Hive版本：3.1.2
• Hadoop版本：3.1.3

1.正文

0.提前说明

• 纯lzo压缩：ods层

• parquet列式存储加lzo压缩：dwd,dws,dwt层

• 普通文本文件：ads层

1.查询ads层表

select * from ads_visit_stats;

ads层的查询没有任何问题。

2.查询dwd|dws|dwt层表

「Presto不支持parquet列式存储加lzo压缩的表的查询」

Presto-Client查询语句：

select * from dwd_start_log;

Presto-Client查询出错：

Query 20220914_021316_00014_sthct, FAILED, 2 nodes
Splits: 22 total, 0 done (0.00%)
0:01 [0 rows, 0B] [0 rows/s, 0B/s]

查看Presto-Client查询出错的日志文件：

[root@node01 presto]$ tail -500 data/var/log/server.log

信息如下:

Query 20220914_021316_00014_sthct failed: Can not read value at 0 in block -1 in file hdfs://node01:8020/warehouse/gmall/dwd/dwd_start_log/dt=2020-06-15/000001_0
vim /opt/module/presto-0.196/data/var/log/server.log
Caused by: parquet.hadoop.BadConfigurationException: Class com.hadoop.compression.lzo.LzoCodec was not found
	at parquet.hadoop.CodecFactory.getCodec(CodecFactory.java:161)
	at parquet.hadoop.CodecFactory.getDecompressor(CodecFactory.java:178)
	at parquet.hadoop.ParquetFileReader$Chunk.readAllPages(ParquetFileReader.java:610)
	at parquet.hadoop.ParquetFileReader.readNextRowGroup(ParquetFileReader.java:496)
	at parquet.hadoop.InternalParquetRecordReader.checkRead(InternalParquetRecordReader.java:127)
	at parquet.hadoop.InternalParquetRecordReader.nextKeyValue(InternalParquetRecordReader.java:208)
	... 16 more

很明显，error显示为com.hadoop.compression.lzo.LzoCodec没有找到

对接lzo压缩包的要放置在presto安装目录下的 plugin/hive-hadoop2目录下

[root@node01 hive-hadoop2]$ cp /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-lzo-0.4.20.jar ./

• 分发lzo的jar包

[root@node01 hive-hadoop2]$ my_rsync ./hadoop-lzo-0.4.20.jar

• 重启Presto-server

[root@node01 presto]$ xcall.sh /opt/module/presto-0.196/bin/launcher stop
[root@node01 presto]$ xcall.sh /opt/module/presto-0.196/bin/launcher start

• 超时|集群仍在初始化，没有足够的活跃的worker节点去执行查询语句
  需要等待一会。

• 执行查询语句，不再报错

presto:gmall> select * from dwd_start_log

3.查询ods层表

• ods_log表是纯lzo压缩

presto:gmall> select * from ods_log;

美团技术团队文章关于「Presto二次开发和BUG修复」提到：Presto不支持查询lzo压缩的数据，需要修改hadoop-lzo的代码

https://tech.meituan.com/2014/06/16/presto.html

• 解释说明

Presto是即席查询工具，ods层的数据含有敏感数据和脏数据，通常情况下，数据查询不需要对ods层查询，对于本项目而言，即便Presto读取不了ods层数据，也影响不大。

• 解决方案

对于这个问题，需要修改hadoop-lzo的代码，美团的解决方案开源在Github上：

https://github.com/MTDATA/presto/commits/mt-0.60

顺利结束