Componente opcional de Trino de Dataproc

Puedes instalar componentes adicionales como Trino cuando creas un clúster de Dataproc con la función Componentes opcionales. En esta página, se describe cómo instalar el componente de Trino de forma opcional en un clúster de Dataproc.

Trino es un motor de consulta en SQL distribuido de código abierto. El servidor de Trino y la IU web están disponibles de forma predeterminada en el puerto 8060 (o en el puerto 7778 si Kerberos está habilitado), en el primer nodo principal del clúster.

De forma predeterminada, Trino en Dataproc está configurado para funcionar con connectors Hive, BigQuery, Memory, TPCH y TPCDS.

Después de crear un clúster con el componente de Trino, puedes ejecutar consultas:

desde una terminal local con el comando gcloud dataproc jobs submit trino
desde una ventana de la terminal en el primer nodo principal del clúster mediante la CLI de trino (interfaz de línea de comandos); consulta Usa Trino con Dataproc.

Instala el componente

Instala el componente cuando crees un clúster de Dataproc.

Consulta las versiones compatibles de Dataproc para la versión del componente incluida en cada versión de la imagen de Dataproc.

Comando de gcloud

Para crear un clúster de Dataproc que incluya el componente de Trino, usa el comando gcloud dataproc clusters create cluster-name con la marca --optional-components.

Cuando crees el clúster, usa el comando gcloud dataproc clusters create con la marca --enable-component-gateway, como se muestra a continuación, para habilitar la conexión a la IU web de Trino mediante la puerta de enlace de componentes.

gcloud dataproc clusters create cluster-name \
    --optional-components=TRINO \
    --region=region \
    --enable-component-gateway \
    ... other flags

Configura propiedades

Agrega la marca --properties al comando gcloud dataproc clusters create para configurar las propiedades de configuración de trino, trino-jvm y trino-catalog.

Propiedades de la aplicación: Usa las propiedades del clúster con el prefijo trino: para configurar las propiedades de la aplicación de Turino, por ejemplo, --properties="trino:join-distribution-type=AUTOMATIC".
Propiedades de configuración de JVM: Usa las propiedades del clúster con el prefijo trino-jvm: a fin de configurar las propiedades de JVM para los procesos trabajadores de Java y coordinador de Trino; por ejemplo, --properties="trino-jvm:XX:+HeapDumpOnOutOfMemoryError".
Crear catálogos nuevos y agregar propiedades de catálogo: Usa trino-catalog:catalog-name.property-name para configurar catálogos de Trino.

Ejemplo: La siguiente marca “properties” se puede usar con el comando “gcloud dataproc clusters create” para crear un clúster de Trino con un catálogo “prodhive” de Hive. Se creará un archivo prodhive.properties en /usr/lib/trino/etc/catalog/ para habilitar el catálogo de prodhive.
```
--properties="trino-catalog:prodhive.connector.name=hive,trino-catalog:prodhive.hive.metastore.uri=localhost:9000"
```

API de REST

El componente de Trino se puede especificar mediante la API de Dataproc con SoftwareConfig.Component como parte de una solicitud clusters.create.

Con la API de v1 de Dataproc, configura la propiedad EndpointConfig.enableHttpPortAccess en true como parte de la solicitud clusters.create para habilitar la conexión a la IU web de Trino con la puerta de enlace de componentes.

Consola

Habilita el componente y la puerta de enlace del componente.
- En la consola de Google Cloud, abre la página Crear un clúster de Dataproc. Se selecciona el panel Configurar clúster.
- En la sección Componentes, haz lo siguiente:
  - En Componentes opcionales, selecciona Trino y otros componentes opcionales para instalar en tu clúster.
  - En Puerta de enlace de componentes, selecciona Habilitar puerta de enlace de componentes (consulta Visualiza y accede a las URL de la puerta de enlace de componentes).