S3 Select Pushdown과 함께 Presto를 사용하여 성능 향상

Amazon EMR 릴리스 버전 5.18.0 이상에서는 Amazon에서 S3 셀렉트 푸시다운을 Presto와 함께 사용할 수 있습니다. EMR 이 기능을 사용하면 프로젝션 작업의 계산 작업(예: SELECT)과 조건자 작업(예: WHERE)을 Amazon S3로 '푸시다운'할 수 있습니다. 이렇게 하면 쿼리가 Amazon S3에서 필요한 데이터만 검색할 수 있어 성능이 향상되고 일부 애플리케이션에서 EMR Amazon과 Amazon S3 간에 전송되는 데이터의 양을 줄일 수 있습니다.

내 애플리케이션에 S3 Select Pushdown이 적합한가요?

S3 Select Pushdown 사용 여부에 관계없이 애플리케이션을 벤치마킹하여 애플리케이션에 적합한지 여부를 확인하는 것이 좋습니다.

다음 지침을 사용하여 애플리케이션과 함께 S3 Select를 사용할 수 있는지 확인하십시오.

• 쿼리가 원본 데이터 세트 중 반 이상을 필터링합니다.

• 쿼리 필터 조건자는 Presto 및 S3 Select에서 지원하는 데이터 형식의 열을 사용합니다. 타임스탬프, real 및 double 데이터 형식은 S3 Select Pushdown에서 지원되지 않습니다. 숫자 데이터에는 10진수 데이터 형식을 사용하는 것이 좋습니다. S3 Select에 지원되는 데이터 유형에 대한 자세한 내용은 Amazon Simple Storage Service 사용 설명서에서 데이터 유형을 참조하세요.

• Amazon S3와 Amazon EMR 클러스터 간의 네트워크 연결은 전송 속도와 가용 대역폭이 양호합니다. Amazon S3는 HTTP 응답을 압축하지 않으므로 압축된 입력 파일의 경우 응답 크기가 커질 수 있습니다.

고려 사항 및 제한

• CSV형식으로 저장된 객체만 지원됩니다. 객체는 압축 해제되거나 gzip 또는 bzip2로 선택적으로 압축될 수 있습니다.

• AllowQuotedRecordDelimiters 속성이 지원되지 않습니다. 이 속성이 지정되면 쿼리가 실패합니다.

• 고객 제공 암호화 키 (SSE-C) 를 사용한 Amazon S3 서버 측 암호화와 클라이언트 측 암호화는 지원되지 않습니다.

• S3 Select Pushdown은 Parquet과 같은 열 형식 또는 압축 파일 형식을 대체할 수 없습니다. ORC

Presto 또는 Trino를 사용하여 S3 Select Pushdown 활성화

EMRAmazon에서 PrestoDB용 S3 셀렉트 푸시다운을 hive.s3select-pushdown.enabled 활성화하려면 구성 분류를 presto-connector-hive 사용하여 아래 예와 같이 로 true 설정합니다. 자세한 내용은 애플리케이션 구성 단원을 참조하십시오. hive.s3select-pushdown.max-connections 값도 설정해야 합니다. 대부분의 애플리케이션에서는 기본 설정 500이 적합합니다. 자세한 내용은 아래 hive.s3select-pushdown.max-connections 이해 및 튜닝 섹션을 참조하세요.

EMR버전 6.1.0 - SQL 6.3.0의 Presto의 경우 아래 예제를 다음으로 presto-connector-hive 바꾸십시오. prestosql-connector-hive

Amazon EMR 버전 6.4.0 이상에서는 프레스토 대신 Trino라는 새 이름을 사용합니다. SQL Trino를 사용하는 경우 아래 예제에서 presto-connector-hive를 trino-connector-hive로 바꿉니다.

[
    {
        "classification": "presto-connector-hive",
        "properties": {
            "hive.s3select-pushdown.enabled": "true",
            "hive.s3select-pushdown.max-connections": "500"
        }
    }
]

hive.s3select-pushdown.max-connections 이해 및 튜닝

기본적으로 Presto는 파일 EMRFS 시스템으로 사용합니다. emrfs-site구성 fs.s3.maxConnections 분류의 설정은 Presto를 통해 EMRFS Amazon S3에 허용되는 최대 클라이언트 연결을 지정합니다. 기본적으로 이 값은 500입니다. S3 셀렉트 푸시다운 바이패스는 조건부 연산을 위해 Amazon S3에 액세스할 EMRFS 때 사용됩니다. 이 경우 hive.s3select-pushdown.max-connections 값은 작업자 노드에서 이러한 작업에 허용되는 최대 클라이언트 연결 수를 결정합니다. 그러나 Presto가 Amazon S3에 시작하지만 푸시되지 않는 모든 요청 (예: GET 작업) 은 계속해서 의 값에 의해 관리됩니다. fs.s3.maxConnections

애플리케이션에서 "풀에서의 연결 대기 시간이 초과되었습니다"라는 오류가 발생하면 hive.s3select-pushdown.max-connections 및 fs.s3.maxConnections 값을 모두 늘립니다.