Presto 在腾讯资讯业务中的应用

文章来源团队：腾讯医疗资讯与服务部-技术研发中心

前言：随着产品矩阵和团队规模的扩张，跨业务、APP的数据处理、分析总是不可避免。一个显而易见的问题就是异构数据源的连通。我们基于PrestoDB构建了业务线内适应腾讯生态的联邦查询引擎，连通了部门内部20+数据源实例，涵盖了90%的查询场景。同时，我们参与公司级的Presto Oteam进行协同共建，在引擎层面做了诸多改造。在实际使用Presto的过程中，也发现其SQL表达能力的过人之处。本文将从Presto使用者和开发者两种角度，给大家分享一些技术落地过程中的干货。

简介

Presto是facebook研发的基于SQL进行大数据分析的高性能分布式计算引擎，最开始是用来解决Hive速度慢以及异构数据源互通的问题。在大数据家族中属于MPP（Massive Parallel Processing）计算引擎范畴，其原理是火山（Volcano）模型：将SQL抽象成一个个算子（Operator），形成管线（Pipeline）。目前能够支持Hive、HBase、ES、Kudu、Kafka、MySQL、Redis等几十种数据源的读取。它有如下特点：

基于SQL语言，上手成本低，而且功能强大，支持reduce和lambda函数
纯计算引擎，解耦底层存储，可快速缩扩容
纯内存计算，速度快，提供交互式的查询体验
通过插件的方式实现拓展功能，二次开发友好
通过不同的连接器（Connector）插件读取异构数据源，进行联邦查询

业务现状

无论是传统信息流业务，或是医疗业务，或多或少都会遇到异构数据源整合问题。比如医生、患者的状态数据，由后台维护，前端上报数据则在Hive中。另外，由于相同数据源不同版本间差异较大，往往没有完整的解决方案，导致查询分析速度慢，业务叫苦不迭，e.g. Hive不同实例仅通过MR引擎进行互通。

业务构成

目前，个人接触过的业务包括资讯类的腾讯看点、腾讯医典，以及医生问诊相关的腾讯云医。

痛点问题

数据互通的时候，底层的数据源可能是同一数据源的多个实例，或是不同版本、魔改版本，e.g. 司内tHive与Venus都是Hive数据源。在跨业务/APP分析时，这种问题会更加明显。同时，由于应用场景的不同（离线计算、快速索引），天然也会存在多数据源问题。原因总结如下：

团队技术栈差异
同类产品较多
架构、历史遗留
应用场景不同

主要工作

针对Hive查询提速的问题，我们在联邦查询引擎中适配了内部的Hive数据源，并且参与中台Oteam项目进行Hive兼容、Presto引擎层优化、改造。同时，我们进行了技术运营工作来帮助大家更好地使用Presto。针对异构数据源打通的问题，我们进行了联邦查询引擎的调研与开发，在引擎层面对内部不同种类的数据源进行适配。最后是一些技术输出的规划工作。

Presto技术运营
联邦查询引擎改造适配
Presto Oteam引擎研发
技术输出

技术运营

由于身处业务的数据团队中，除了参与中台的技术研发，平时也会使用Presto，并且负责SQL相关问题的答疑，既是开发者，也是使用者。大多数人对Presto的印象，仅仅停留在“都是SQL引擎”上，其实不然。Presto的SQL语言能力非常出色。如slogan说宣传的那样，SQL on Everything：不仅能够连接各种数据源，还能满足复杂的处理逻辑。如果认为“Presto在SQL层面上做到兼容Hive就差不多了”，那就没有真正发挥出Presto的威力。

Reduce + Lambda

以下来自一个真实案例，数据分析同学根据APP上报的用户行为日志进行清理、建模。

v1版本：对用户路径按时间排序，然后输入模型进行建模。通过以下SQL片段可以满足需求。首先用array_agg将用户所有行为按照event_time排序，收集成数组，然后用'/'连接符进行拼接。
- array_join(array_agg(data order by event_time asc), '/')
v2版本：由于上报时机的原因，总是会有些相邻的重复上报，分析同学希望把这些相邻数据剔除掉，例如有些行为定时10s上报一次，期望达到如下的效果：
- A/B/A/A/C -> A/B/A/C

如果不是别人问，自己是不会想到可以用SQL来完成这种操作的。数组相邻元素去重，乍看是非常特化的需求，SQL不太可能满足，但后来发现还真的可以实现。不得不说Presto的reduce函数，加上自由度极高的lambda表达式，以及可以承载多个变量的Row类型，使得我们几乎可以在SQL中“编程”（这里使用针对array类型的reduce函数，更通用的聚合函数为reduce_agg）。最终解法如下：

-- 逻辑：6/4/6/6/10/20 -> 6/4/6/10/20
-- distinct adjacent elements
SELECT reduce(
                ARRAY ['6', '4', '6', '6', '10', '20'], -- 输入

                CAST(
                        ROW(ARRAY[], '') 
                        AS ROW(arr ARRAY(VARCHAR), prev_ele VARCHAR)
                    ),  -- 初始状态S

                (S, T) -> CAST(
                                ROW(IF(S.prev_ele=T, S.arr, S.arr||T), T) 
                                AS ROW(arr ARRAY(VARCHAR), prev_ele VARCHAR)
                              ),  -- lambda输入函数I

                S -> array_join(S.arr, '/') -- lambda输出函数O
             );

以作用对象为数组的reduce函数为例，包含以下4个参数：

长度为N的数组。每个元素将会依次送入lambda输入函数
初始状态。第一个元素和该状态作为lambda输入函数第一次调用的参数
一个lambda输入函数。调用N次。它接收一个状态和一个元素，产生一个新的状态
一个lambda输出函数。调用一次。对3中处理完的最终状态做一次变换

reduce(array(T), initialState S, inputFunction(S, T, S), outputFunction(S, R)) → R

可以看到，示例中的状态S是一个Row类型的变量，它可以存储多个元素。第一个是去重数组arr，第二个是上一个元素的值prev_ele。lambda输入函数每次接收到一个新的值，和prev_ele比较，相等则什么也也不做，不等则将新值放入去重数组中，同时更新prev_ele。reduce是一种通用的模型，lambda则最大程度地利用了SQL的现有能力，使得Presto的SQL表现力更加强大。

3.2 窗口函数

Presto中的聚合函数都可以被用在窗口函数中，使用array_agg可以把当前的窗口截取下来，结合Window Frame可以操纵窗口大小，衍生出很多窗口类型。主要由两个维度组成：

首先是相同行的处理方式，记为dim1：

RANGE: 当前窗口会包含值相同的相邻行
ROWS: 当前窗口不会包含值相同的相邻行

然后是窗口的边界指定，最后两种仅支持与ROWS连用，记为dim2：

UNBOUND PRECEDING: 排序后第一个元素
UNBOUND FOLLOWING: 排序后最后一个元素
N PRECEDING: 排序后，当前行的前N行
N FOLLOWING: 排序后，当前行的后N行

通过以下SQL的结果，应该能对窗口函数有更进一步的认识。为了简化我们假设只有一个partition，排序为asc。列名取值如下所示方便大家理解：

-- value为关心的值
-- 以index进行排序
WITH
    t1 (value, index) AS 
    (
        SELECT * FROM (VALUES ('a', 1),
        ('b', 2),
        ('c', 3),
        ('d', 4),
        ('e', 4),
        ('f', 5),
        ('g', 5),
        ('h', 6))
    )

SELECT *,
    -- 默认
    array_agg(value) OVER 
        (ORDER BY index) res, 
    -- [开头, 当前值]
    array_agg(value) OVER 
        (ORDER BY index RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) res_range_uc,
    -- [开头, 当前行]
    array_agg(value) OVER 
        (ORDER BY index ROWS  BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) res_rows_uc,
    -- [当前值, 末尾]
    array_agg(value) OVER 
        (ORDER BY index RANGE BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) res_range_cu,
    -- [当前行, 末尾]
    array_agg(value) OVER 
        (ORDER BY index ROWS  BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) res_rows_cu,
    -- [前1个值，后1个值] 不支持
    -- array_agg(value) OVER (ORDER BY index RANGE BETWEEN 1 PRECEDING AND 1 FOLLOWING) res_range_11, not support
    -- [前1行，后1行]
    array_agg(value) OVER 
        (ORDER BY index ROWS  BETWEEN 1 PRECEDING AND 1 FOLLOWING) res_rows_11
FROM t1;

presto>

 value | index |           res            |       res_range_uc       |       res_rows_uc        |       res_range_cu       |       res_rows_cu        | res_rows_11 
-------+-------+--------------------------+--------------------------+--------------------------+--------------------------+--------------------------+-------------
 a     |     1 | [a]                      | [a]                      | [a]                      | [a, b, c, d, e, f, g, h] | [a, b, c, d, e, f, g, h] | [a, b]      
 b     |     2 | [a, b]                   | [a, b]                   | [a, b]                   | [b, c, d, e, f, g, h]    | [b, c, d, e, f, g, h]    | [a, b, c]   
 c     |     3 | [a, b, c]                | [a, b, c]                | [a, b, c]                | [c, d, e, f, g, h]       | [c, d, e, f, g, h]       | [b, c, d]   
 d     |     4 | [a, b, c, d, e]          | [a, b, c, d, e]          | [a, b, c, d]             | [d, e, f, g, h]          | [d, e, f, g, h]          | [c, d, e]   
 e     |     4 | [a, b, c, d, e]          | [a, b, c, d, e]          | [a, b, c, d, e]          | [d, e, f, g, h]          | [e, f, g, h]             | [d, e, f]   
 f     |     5 | [a, b, c, d, e, f, g]    | [a, b, c, d, e, f, g]    | [a, b, c, d, e, f]       | [f, g, h]                | [f, g, h]                | [e, f, g]   
 g     |     5 | [a, b, c, d, e, f, g]    | [a, b, c, d, e, f, g]    | [a, b, c, d, e, f, g]    | [f, g, h]                | [g, h]                   | [f, g, h]   
 h     |     6 | [a, b, c, d, e, f, g, h] | [a, b, c, d, e, f, g, h] | [a, b, c, d, e, f, g, h] | [h]                      | [h]                      | [g, h]      
(8 rows)

高阶运营

一般来说，通过官方文档就可以解答大部分问题。但有时候文档也没说明的细节，只能看源码了。关于语法特点的问题，需要查看SqlBase.g4。比如以下SQL为什么可以运行？不是所有查询语句都需要select开头：

presto> (VALUES ('a', 1),('b', 2));
 _col0 | _col1 
-------+-------
 a     |     1 
 b     |     2 
(2 rows)

语义分析中的问题，需要查看StatementAnalyzer。比如窗口函数执行完成后，用标量函数做一些加工处理，必须写在整个窗口函数func2(func1() over ())的外面，而不是func2(func1()) over ()。

--报错
array_join(array_agg(concat(col1, col2)), '/') 
  over (partition by user_id order by event_time)

vs

--成功
array_join(
  array_agg(concat(col1, col2)) 
    over (partition by user_id order by event_time),
  '/')

语法、语义错误

还有个问题，到底怎么区分语法、语义错误？对于使用者而言，不建议了解。对于开发者来说，还是很有必要了解的。语法错误是指通过简单规则捕获的SQL错误，在Antlr层面就可以截获，跟上下文关系不大，e.g. select * from from table1; 语义错误需要上下文信息，比如库表、字段是否合法？对于Presto而言，lambda表达式出现的位置是否合法？了解语法、语义的区别，对问题的排查也是十分高效的。

联邦查询引擎

异构数据源导致的问题：

搭建各种ETL Pipeline，维护成本高
数据分析速度严重拖慢

为此，我们引入Presto作为联邦查询引擎，一方面利用多数据源能力，减少ETL相关工作量。另一方面，利用Presto的速度为业务分析提速。本次介绍两个数据源适配的工作：

为了适配内部的tHive，我们在MetaStore的Thrift RPC协议中植入了内部鉴权机制。
针对云上ES的网络情况，禁用了自动嗅探逻辑。

Hive连接器适配

Presto的Hive连接器通过与HMS（Hive MetaStore）通信获取Hive库表的位置信息，然后拉取数据。腾讯tHive有自己的一套鉴权体系TAUTH，我们需要将这种鉴权机制引入到Hive连接器中。外部一般通过Thrift RPC协议与HMS通信。那么如何加入鉴权能力呢？

参考Hive连接器中Kerberos机制的实现（下图），可以看到rawTransport作为参数，用来构建一个新的SaslTransport。

结合TSaslClientTransport的源码可以发现，这里其实是计算机网络分层思想的典型应用。在可靠传输层rawTransport的基础上，再包装了一个Sasl层。利用底层rawTransport提供的可靠传输能力，进一步提供安全策略。e.g. 某些QoS条件下，调用Sasl层的write()，会对数据进行加密，Sasl进而调用下一层的write()函数，将加密后的数据发送到可靠的传输通道中。它们都实现了TTtransport接口，I/O函数如下所示：

open()
close()
flush()
readAll()
write()

Sasl层本身并不绑定特定的鉴权机制，它是一个框架。通过JCA注册的鉴权机制都可以在运行时被指定。

所以如果想整合自定义的鉴权机制，需要注册对应的SecurityProvider。

总结：对于小白来说，“为Hive连接器增加一种鉴权机制”是个很难理解的技术需求，通过前文的探索，我们发现其本质是：“如何在HMS的Thrift RPC中，为SASL鉴权层增加一种自定义的安全协议。”这里的上下文比较多，需要对HMS、THrift RPC、SASL、JCA、Kerberos等概念有个大概的了解，才知道需要做什么。对技术的提升还是很有帮助的。

ES连接器踩坑

第二个case：调研ES连接器的时候，发现Presto启动时第一次连接ES集群是成功的。但是后面哪怕没有执行ES相关查询也会无故报错，堆栈信息显示网络连接失败。

经过排查，发现与定时嗅探逻辑有关。Presto底层依赖了facebook内部的Airlift后台框架。在这个场景下，通过Bootstrap注册的类会被生命周期管理器识别，@PostConstruct注解（Annotation）标记的函数会在类实例化后被自动调用。可以看到，一个refreshNodes()函数被定期调用了，该函数会获取ES集群中所有的可用节点IP，并在下次将请求发送到其中一个节点。

由于云上ES集群只开放了一个主节点的访问端口，嗅探获得的IP其实是不能用的。这也解释了为什么第一次访问是成功的（第一次访问的主节点开放），后续访问大概率是失败的（其它节点端口不开放）。

主要的改造就是禁用自动更新节点逻辑，位于ElasticSearchClint文件。在改造的过程中，发现已经有参数elasticsearch.ignore-publish-address可以满足需求，但是在去年8月的时候DB、SQL的文档里竟然没有记录这个参数，github上搜索一波发现已有issue了，目前社区已经补齐了文档。

总结：Airlift后台框架虽然没有文档，但开发者还是要认真看。

Oteam共建

在去年，随着Presto在腾讯内部的应用场景越来越多，为了整合各部门的研发能力和技术成果，公司内部由PCG欧拉数据中台牵头发起了Presto Oteam项目，主要for Presto引擎的研发。作为资讯业务的数据工程同学，我们也有幸参与共建。Oteam部分工作内容如下：

Hive语义兼容，函数迁移
RBO/CBO执行解析器
Worker Tag能力
分析函数开发
语法/语义扩展
动态数据源支持
查询性能优化专项
Coordinator执行流程优化
bug fix ...

限于篇幅，简单介绍第一点：标量函数开发原理。

函数开发

不同于Hive UDF函数可以由用户直接上传，在Presto引擎中所有扩展部件都以插件形式被统一整合。除了最常见的连接器（Connector）插件以外，函数也是一种插件。如果业务需要自定义函数，就需要单独开发函数插件。Presto引擎自带了很多函数，可以作为开发者的参考。总共有两种函数开发方式：

使用注解框架的普通函数
使用字节码适配的变长参数函数

第一种方式需要使用Presto引擎的注解框架，官网给的例子比较简单，各种注解搭配使用的方式实际比较复杂。同时函数的数据类型需要涉及到Presto引擎的Slice，Block等类型，有一定学习成本。第二种方式比较少见，而且不支持通过插件进行开发，只能写到presto-main模块中，它基于Presto自带的字节码框架动态生成字节码（包com.facebook.presto.sql.gen），是比较hack的实现，可以参考ArrayConcatFunction。

函数注解框架

以标量函数为例。函数开发和普通的Java方法编写本质上是一样的，但是也有很多差异点：

需要使用注解（annotation）标记出该函数是一个可供调用的标量函数，包括函数名，返回类型、参数类型等。
java原生类型和Presto类型有一一对应的关系。Java的Slice对应Presto中的Varchar类型，Java的Block对应Presto中的Array类型。（下文分别称为Java类型和SQL类型）
这些特定的Java类型逻辑上等价于String, Array数组，但是API差别很大，前期有一定的上手成本。
函数有两套签名。基于反射可以获取Java类型的形参、返回值类型，称为方法签名。基于@SqlType注解可以获取Presto引擎使用的参数、返回值类型，称为函数签名。这里做个严格的区分。
可以使用@TypeParameter函数注解引入泛型变量。在函数体声明相关的泛型参数，供SqlType引用。
可以使用@LiteralParameter函数注解引入字面量变量。
可以使用形参注解@TypeParameter、@LiteralParameter、@FunctionDependency、@OperatorDependency声明一些依赖型参数，在调用函数之前，Presto会根据解析出来的元数据，自动注入参数依赖。

我们把写在函数体/类名上的注解称为函数注解，写在函数形参前面的注解称为形参注解，方便下文引用。一般来说，关注前四点就够了。后面是一些进阶的使用技巧。

按注解类型区分：

	函数注解	形参注解
@SqlScalarFunction	定义函数名，函数属性	-
@Description	定义函数描述信息	-
@SqlNullale	返回值是否可以是null	形参是否接收null
@SqlType	返回值的SQL类型	形参的SQL类型
@TypeParameter	定义泛型变量	引入依赖型参数
@LiteralParameters	定义字面量变量	引入依赖型参数

以下是官网[2]的一个例子：

public class ExampleNullFunction
{
    @ScalarFunction("is_null", calledOnNullInput = true)
    @Description("Returns TRUE if the argument is NULL")
    @SqlType(StandardTypes.BOOLEAN)
    public static boolean isNull(@SqlNullable @SqlType(StandardTypes.VARCHAR) Slice string)
    {
        return (string == null);
    }
}

对应刚刚说到的几点：

isNull函数体有三个注解，@ScalarFunction定义了函数名和calledOnNullInput属性。@Description定义了函数的描述字段，在Presto客户端用show functions命令可以看到函数的描述信息。@SqlType描述了函数的返回值类型。这些是函数注解。
形参的SQL类型是VARCHAR，Java类型是Slice。如果Slice换成其它类型，函数调用会失败。这个是形参注解。
返回值、形参都有@SqlType注解，它们定义了SQL类型。在Presto引擎层面，基本都是使用SQL类型来进行解析。

再来看另外一个例子：

@ScalarFunction(name = "is_null", calledOnNullInput = true)
@Description("Returns TRUE if the argument is NULL")
public final class IsNullFunction
{
    @TypeParameter("T")
    @SqlType(StandardTypes.BOOLEAN)
    public static boolean isNullSlice(@SqlNullable @SqlType("T") Slice value)
    {
        return (value == null);
    }

    @TypeParameter("T")
    @SqlType(StandardTypes.BOOLEAN)
    public static boolean isNullLong(@SqlNullable @SqlType("T") Long value)
    {
        return (value == null);
    }

    @TypeParameter("T")
    @SqlType(StandardTypes.BOOLEAN)
    public static boolean isNullDouble(@SqlNullable @SqlType("T") Double value)
    {
        return (value == null);
    }

    // ...and so on for each native container type
}

可以看到，在函数体，多了@TypeParameter函数注解，引入了一个泛型变量T，可以在形参注解中被@SqlType引用。@SqlType注解的类型声明为T以后，这几个函数的函数签名都是一样的。在Presto引擎看来，这几个函数拥有相同的函数签名，是一类函数。

其中，有很多细节的问题其实需要看源码才知道需要怎么写。比如，细心的同学从上面两个例子可以发现：

问：为什么第二个例子的@ScalarFunction和@Description注解是写在类名上面而不是函数名上面？
答：写在类名上，代表这个类中的所有方法的函数签名都是一样的，由一个ParameticScalar类进行管理。
问：Slice和Java的String是什么关系，需要怎么处理转换？
答：参考其它函数的实现，可以调用toStringUtf8()转换成String类型再做处理。
问：哪些注解是一定要写的？哪些是可选的？哪些是在某些条件下需要同时出现的？
答：比如说@ScalarFunction中的calledOnNullInput属性，当形参中有以下任意注解(@SqlNullable,@BlockPosition,@IsNull)的时候，需要指定为true，默认为false。

虽然Presto文档只讲了冰山一角，但是引擎内部自带了很多函数，是非常有价值的参考资料。这里有很多细节，需要看Presto源码才能得到答案。以上只是注解的使用，具体这个自定义函数后续如何被Presto引擎解析，不关注问题也不大，注解写错了大部分case也会在插件装载的时候被识别出来。推荐高阶开发者看看ParametricScalarImplementation中标量函数的解析流程。

常用注解参考手册

以下总结了注解框架中的一些常用注解。建议有一定基础后作为参考来看。

@ScalarFunction: 函数注解。定义函数的名称，别名，可见性，纯函数性，是否处理空值。

元数据	含义
value	函数名
alias	函数别名
visibility	函数可见性
deterministic	纯函数性
calledOnNullInput	函数的形参是否可以处理空值

@Description: 函数注解。描述函数功能的字符串。在presto客户端使用show functions命令可以查看。

@TypeParameter: 函数注解、形参注解。对于函数注解，声明一个泛型变量，形参注解中的@SqlType可以使用它，在解析函数调用的时候会尝试将泛型类型和具体类型进行绑定。对于形参注解，它引入一个依赖型参数。

@LiteralParameters: 函数注解、形参注解。对于函数注解，定义一些字面量变量，长整数类型。如果有@Constraint函数注解，则需要满足它定义的表达式条件。对于形参注解，它引入一个依赖型参数。

@SqlType: 函数注解、形参注解。定义形参、返回值的SQL类型。大概可以分以下几种：

类型	含义
varchar	原始类型，无参数，无字面量变量或泛型变量。
array(varchar)	原始类型，有一个参数varchar，无字面量变量或泛型变量。
T	泛型，必须是@TypeParameter声明的泛型变量，不能带参数
varchar(x)	原始类型，带参数(字面量变量)

@SqlNullale：函数注解、形参注解。对于函数注解，表示返回值类型是否可能为空。原始类型（e.g. int）不需要注解，包装类型和其它类型需要声明该注解。对于形参注解，如果该位置的实参是null，依然执行函数体。默认情况遇到null直接返回null。参考InterpretedFunctionInvoker的空值处理逻辑。

依赖型参数：一种形参注解。函数中需要用到的一些变量，从SQL语句自动推导而来。这些形参由框架处理，用户不感知。

可以看到，contains函数有多种类型，但是函数签名都是一样的。由于在函数中需要根据实际类型来调用接口读取元素，T的实际类型必须通过形参的方式传递进来，但是用户写SQL的时候并不用显式指定类型，因为它可以自动推导出来，这里涉及到methodHandle的绑定参数，就不详细展开了。总之，虽然contains()有四个参数，但是用户只感知最后两个。

变长参数函数

一些变长参数的函数，比如tHive中的parse_simple_json函数，在ETL任务中一次调用解多个key，是比较高效的。虽然是变长参数，但是这里的变长，是相对不同用户提交的SQL语句而言。而用户每一次提交的SQL，其实参数个数都是确定的，没有必要用变长参数，e.g. 对于一个SQL，代码中的parse_simple_json(d4, 'key1', 'key2')，其实参数就是三个。函数声明为变长，但是实际中根据每个SQL语句转成定长参数。针对这种情况，Presto引擎并没有使用注解框架。而是采用了比较hack的方式，直接定义一个内部函数类，里面有一个形参为数组的业务函数。通过引擎自带的字节码生成模块，把它适配成一个定长参数函数。大概原理如下所示：

最后附上标量函数注册的流程图，希望能对函数注册的流程有更直观的理解。

技术输出

从去年下半年开始入门Presto引擎开发，接触下来感觉从零起步确实不易。虽然仔细搜索还是能找到一些不错的资料，但是Presto相关的官方文档相对于其他大数据组件来说是偏少的。比如基础的Airlift框架，官方文档仅有一句话介绍。为了降低后续同事的学习成本，这里特地把一些知识点梳理成脑图（逐步完善中），也供大家参考。大多数子节点都能用一章的篇幅来展开描述，可见快速培养出一个优秀的Presto开发者还是不太容易。以后有机会我们也会输出一系列技术文集。

腾讯内部应用概览

最后列出部分腾讯内部应用的Presto情况。

应用场景

TEG-大数据平台统一SQL引擎SuperSQL，Presto作为计算引擎融合的一部分，实现联邦数据访问，计算加速等功能，支持交互式数据分析场景
PCG-欧拉中台，在数据质量监控和资产洞察以及在线数据服务的数据装载中，作为计算查询引擎
TEG/CSIG联合-云原生数据湖计算DLC，用户使用标准 SQL 即可完成对象存储服务（COS）及其他云端数据设施的联合建模、分析，无服务器架构（Serverless Presto）作为底层计算引擎
CSIG-云日志服务CLS，扩展了大量自定义SQL函数，以丰富PB级日志实时SQL分析能力。Presto支持底层存储解耦，提供不同场景日志需求，以及异构存储联合查询
CSIG-医疗资讯与服务部，作为业务线数据服务平台联邦查询引擎，统一查询前端语言，计划打通用户状态存储的MySQL、流水日志存储的ES、用户行为数仓的Hive/Clickhouse/Iceberg等
PCG-腾讯看点，连接部门内20余个异构数据源的联邦查询引擎，适配了腾讯内部的Hive/ES/CH/Redis等数据源。
IEG-数据中台，作为数据查询服务联邦查询，Adhoc场景执行引擎

合作生态

腾讯内部通过Oteam的方式来组织跨BG/部门的开源协同共建。目前和Presto关系比较密切的Oteam有Alluxio、Iceberg、Impala。Alluxio缓存技术已经在TEG的部分场景落地使用了。TEG大数据团队也和Presto/Trino社区同时提出了各自的Iceberg Connector PR。Impala在腾讯灯塔平台已经有非常成熟的应用落地，未来和Presto一起加强对MPP引擎发展的探讨。期待未来Oteam组织以及其它大数据团队能有更深入的合作，助力Presto在更多业务中落地推广。

后续计划

除了继续在Presto引擎层面进行深耕优化，联邦查询引擎的应用层功能需要继续丰富，还有很多用例需要去探索。基于数据分析同学的反馈，很多复杂的预处理逻辑以往需要spark scala或者pyspark进行处理，现在基本都可以用Presto代替了，后续如果能把模型训练等调包流程整合到一起，也许能够提供上手成本更低的数据分析体验，也是一个值得探索的方向。最后，我们希望在服务好业务的前提下，进行一系列高质量的技术输出来提升部门的技术影响力。