Presto (motor de consultas SQL)

Presto (que incluye PrestoDB y PrestoSQL, que pasó a llamarse Trino ) es un motor de consulta distribuido para big data que utiliza el lenguaje de consulta SQL . Su arquitectura permite a los usuarios consultar fuentes de datos como Hadoop , Cassandra , Kafka , AWS S3 , Alluxio , MySQL , MongoDB y Teradata ^{[ 1 ]} , y permite el uso de múltiples fuentes de datos dentro de una misma consulta. Presto es un software de código abierto impulsado por la comunidad y publicado bajo la licencia Apache .

Presto fue diseñado y desarrollado originalmente en Facebook, Inc. (más tarde renombrada Meta) para que sus analistas de datos ejecutaran consultas interactivas en su gran almacén de datos en Apache Hadoop . Los primeros cuatro desarrolladores fueron Martin Traverso, Dain Sundstrom, David Phillips y Eric Hwang. Antes de Presto, los analistas de datos de Facebook dependían de Apache Hive para ejecutar análisis SQL en su almacén de datos de varios petabytes. ^{[ 2 ]} Hive se consideró demasiado lento para la escala de Facebook y Presto se inventó para cubrir la necesidad de ejecutar consultas rápidas. ^{[ 3 ]} El desarrollo original comenzó en 2012 y se implementó en Facebook ese mismo año. En noviembre de 2013, Facebook anunció su lanzamiento como código abierto. ^{[ 3 ] [ 4 ]}

En 2014, Netflix reveló que utilizaba Presto en 10 petabytes de datos almacenados en el Amazon Simple Storage Service (S3). ^{[ 5 ]} En noviembre de 2016, Amazon anunció un servicio llamado Athena que se basaba en Presto. ^{[ 6 ]} En 2017, Teradata creó una empresa llamada Starburst Data para dar soporte comercial a Presto, que incluía personal adquirido de Hadapt en 2014. ^{[ 7 ]} El software QueryGrid de Teradata permitía a Presto acceder a una base de datos relacional de Teradata. ^{[ 8 ]}

En enero de 2019, se anunció la Presto Software Foundation. La fundación es una organización sin fines de lucro para el avance del motor de consulta SQL distribuido de código abierto Presto. ^{[ 9 ] [ 10 ]} Al mismo tiempo, el desarrollo de Presto se bifurcó: PrestoDB, mantenido por Facebook, y PrestoSQL, mantenido por la Presto Software Foundation, con cierta polinización cruzada de código.

En septiembre de 2019, Facebook donó PrestoDB a la Linux Foundation , estableciendo así la Presto Foundation . ^{[ 11 ]} Ni los creadores de Presto, ni los principales colaboradores y desarrolladores, fueron invitados a unirse a esta fundación. ^{[ 12 ]}

Para 2020, los cuatro desarrolladores originales de Presto se habían unido a Starburst. ^{[ 13 ]} En diciembre de 2020, PrestoSQL pasó a llamarse Trino , ya que Facebook había obtenido una marca registrada sobre el nombre "Presto" (que también donó a la Linux Foundation). ^{[ 14 ]}

Otra empresa llamada Ahana fue anunciada en 2020 para comercializar la bifurcación de PrestoDB como un servicio en la nube y fue adquirida por IBM en 2023. ^{[ 15 ]}

La arquitectura de Presto es muy similar a la de otros sistemas de gestión de bases de datos que utilizan computación en clúster , también conocida como procesamiento masivamente paralelo (MPP). Un coordinador trabaja en sincronía con varios nodos de trabajo. Los clientes envían sentencias SQL que se analizan y planifican, tras lo cual se asignan tareas paralelas a los nodos de trabajo. Estos procesan conjuntamente las filas de las fuentes de datos y generan resultados que se devuelven al cliente. En comparación con el modelo de ejecución original de Apache Hive , que utilizaba el mecanismo Hadoop MapReduce en cada consulta, Presto no escribe resultados intermedios en disco, lo que se traduce en una mejora significativa de la velocidad. Presto está escrito en Java .

Una consulta Presto puede combinar datos de múltiples fuentes. Presto ofrece conectores a fuentes de datos que incluyen archivos en Alluxio , Hadoop Distributed File System (a menudo llamado data lake ), Amazon S3 , MySQL , PostgreSQL , Microsoft SQL Server , Amazon Redshift , Apache Kudu , Apache Phoenix , Apache Kafka , Apache Cassandra , Apache Accumulo , MongoDB y Redis . A diferencia de otras herramientas específicas de la distribución Hadoop, como Apache Impala , Presto puede funcionar con cualquier variante de Hadoop o sin ella. Presto admite la separación de computación y almacenamiento y puede implementarse localmente o mediante computación en la nube .

• Perforadora Apache
• Big data
• computación intensiva en datos
• Trino (motor de consultas SQL)

• Sitio web oficial de PrestoDB
• Presto en GitHub
• Sitio web oficial de Trino
• Trino en GitHub