Trino是一个开源的用户交互式分析查询的SQL查询引擎，用于针对各种大小的数据源进行交互式分析查询。其主要应用于海量结构化数据/半结构化数据分析、海量多维数据聚合/报表、ETL、Ad-Hoc查询等场景。
Trino允许查询的数据源包括Hadoop分布式文件系统（HDFS），Hive，HBase，Cassandra，关系数据库甚至专有数据存储。一个Trino查询可以组合不同数据源，执行跨数据源的数据分析。
基本特性
- 高性能：Trino使用了许多优化技术，如基于成本的查询优化、管道执行、动态代码生成等，以提高查询性能。
- 分布式架构：Trino采用了MPP架构，将查询任务分解为多个子任务，然后在多个工作节点上并行执行。这使得Trino能够在大规模数据集上进行高效查询。
- 完整的 ANSI SQL 支持能力；
Trino支持大部分ANSI SQL标准，包括复杂的查询、连接、聚合、窗口函数等。这使得用户可以使用熟悉的SQL语言进行数据分析。 - 支持丰富的数据源：
- ClickHouse
- Cassandra
- ElasticSearch
- Hive
- Hudi
- Iceberg
- Kafka
- MySQL
- Oracle
- PostgreSQL
- SQL Server
- Redis
- JMX
- 本地文件
- 支持高级数据结构：
- 数组和Map数据
- JSON数据
- GIS数据
- 功能扩展能力强，提供了多种扩展机制：
- 扩展数据连接器
- 自定义数据类型
- 自定义SQL函数
- 流水线：基于Pipeline处理模型数据在处理过程中实时返回给用户。
- 监控接口完善：
- 提供友好的Web UI，可视化的呈现查询任务执行过程。
- 支持JMX协议。
系统架构
Trino分布式地运行在一个集群中，包含一个Coordinator和多个Worker进程，查询从客户端（例如CLI）提交到Coordinator，Coordinator进行SQL的解析和生成执行计划，然后分发到多个Worker进程上执行。
Trino是典型的M/S架构的系统，由一个Coordinator节点和多个Worker节点组成。 Coordinator负责如下工作：
- 接收用户查询请求，解析并生成执行计划，下发任务到Worker节点执行。
- 监控Worker节点运行状态，各个Worker节点与Coordinator节点保持心跳连接，汇报节点状态。
- 维护MetaStore数据。
Worker节点负责执行下发的任务，通过连接器读取外部存储系统的数据，进行处理，并将处理结果发送给Coordinator节点。
基本概念
数据模型
数据模型即数据的组织形式。Trino使用Catalog、Schema和Table三层结构来管理数据。
- Catalog
一个Catalog可以包含多个Schema，物理上指向一个外部数据源，可以通过Connector访问该数据源。一次查询可以访问一个或多个Catalog。 - Schema
相当于一个数据库实例，一个Schema包含多张数据表。 - Table
数据表，与一般意义上的数据库表相同。
常用 connector
Trino通过各种connector来接入多种外部数据源。Trino提供了一套标准的SPI接口，用户可以使用这套接口开发自己的Connector，以便访问自定义的数据源。
一个Catalog通常会绑定一种类型的connector，在Catalog的Properties文件中设置。Trino内置了多种Connector。