Componente Trino opcional do Dataproc

É possível instalar outros componentes, como o Trino, ao criar um cluster do Dataproc usando o recurso Componentes opcionais. Nesta página, descrevemos como instalar opcionalmente o componente Trino em um cluster do Dataproc.

O Trino é um mecanismo de consulta SQL distribuído de código aberto. Por padrão, o servidor do Trino e a IU da Web estão disponíveis na porta 8060 (ou 7778, se o Kerberos estiver ativado) no primeiro nó mestre do cluster.

Por padrão, o Trino no Dataproc está configurado para funcionar com os conectores Hive, BigQuery, Memory, TPCH e TPCDS.

Depois de criar um cluster com o componente Trino, é possível executar consultas:

de um terminal local com o comando gcloud dataproc jobs submit trino
de uma janela de terminal no primeiro nó mestre do cluster usando a CLI (interface de linha de comando) trino: consulte Usar o Trino com Dataproc.

Instalar o componente

Instale o componente ao criar um cluster do Dataproc.

Consulte Versões compatíveis do Dataproc para a versão do componente incluída em cada versão de imagem do Dataproc.

Comando gcloud

Para criar um cluster do Dataproc que inclua o componente Trino, use o comando gcloud dataproc clusters create cluster-name com a sinalização --optional-components.

Ao criar o cluster, use o comando gcloud dataproc clusters create com a sinalização --enable-component-gateway, conforme mostrado abaixo, para ativar a conexão com a IU da Web do Trino usando o Gateway de componentes.

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

Como configurar propriedades

Adicione a sinalização --properties ao comando gcloud dataproc clusters create para definir as propriedades de configuração trino, trino-jvm e trino-catalog.

Propriedades do aplicativo: use propriedades de cluster com o prefixo trino: para configurar propriedades do aplicativo Trino, por exemplo, --properties="trino:join-distribution-type=AUTOMATIC".
Propriedades de configuração do JVM: use propriedades de cluster com o prefixo trino-jvm: para configurar as propriedades do JVM para processos Java do coordenador e do worker do Trino, por exemplo, --properties="trino-jvm:XX:+HeapDumpOnOutOfMemoryError".
Como criar novos catálogos e adicionar propriedades de catálogo:use trino-catalog:catalog-name.property-name para configurar os catálogos do Trino.

Exemplo: a sinalização "properties" a seguir pode ser usada com o comando "gcloud dataproc clusters create" para criar um cluster do Trino com um catálogo "prodhive" do Hive. Um arquivo prodhive.properties será criado em /usr/lib/trino/etc/catalog/ para ativar o catálogo do prodhive.
```
--properties="trino-catalog:prodhive.connector.name=hive,trino-catalog:prodhive.hive.metastore.uri=localhost:9000"
```

API REST

O componente Trino pode ser especificado por meio da API Dataproc usando SoftwareConfig.Component como parte de uma solicitação clusters.create.

Usando a API Dataproc v1, defina a propriedade EndpointConfig.enableHttpPortAccess como true como parte da solicitação clusters.create para ativar a conexão com a IU da Web do Trino usando o Gateway de componentes.

Console

Ativar o componente e o gateway do componente.
- No console do Google Cloud, abra a página Criar um cluster do Dataproc. O painel "Configurar cluster" está selecionado.
- Na seção "Componentes":
  - Em Componentes opcionais, selecione o Trino e outros componentes opcionais para instalar no cluster.
  - Em "Gateway de componentes", selecione "Ativar gateway do componente" (consulte Visualizar e acessar URLs do gateway de componentes).