本文来自OPPO互联网技术团队，转载请注名作者。同时欢迎关注我们的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。

Presto作为一个大数据场景下的交互式查询引擎，在OPPO线上已经正常提供一年的查询服务了。

从刚开始，仅有国内几台服务器，到现在服务已经覆盖了国内外多个地区的大部分交互式查询，其中仅国内服务器已经达到了150台。

随着用户使用规模的扩大，大家在Presto资源分配方面有一些疑惑，比较有代表性的问题如下：

随着Presto使用的业务团队的增多，当有团队A的任务比较重要，不希望执行的时候没有了查询的资源，应该如何重点保证？
集群资源负载比较高时，我和另外一个同事同时提交了一个查询，一开始我俩都在排队，当有空闲资源时，谁的查询会先获得资源？
对于Adhoc类型的查询，我不想得喝完咖啡才能拿到结果；而批处理的查询，我明天再拿结果就好，如何根据不同的sql类型，做更合理的资源分配？

今天我们将介绍Presto的资源组机制，一一解答以上的问题。

1. 何为Presto资源组

Presto的资源组机制，是从资源分配的角度来控制集群的整体查询负载。

Presto会在集群整体资源下开辟多个资源组，每一个提交的查询都会分配到一个特定的资源组执行。

在特定资源组A开启一个新的查询B之前，会检查当前A的资源负载是否超过了集群给A分配的资源量；如果已经超过了，资源组机制会阻塞新到的查询B，使其处于排队状态甚至直接拒绝。

细说概念：

资源可以分成CPU，内存，带宽，磁盘等维度，Presto资源组中定义了哪些资源？

目前的资源组所控制的主要是内存和CPU两个维度。

小小疑惑：

资源组是在查询开始之前的控制机制，一旦一个查询已经开始执行了，就不会受资源组的管控了，那岂不是太过于奔放了吗？

其实，这个问题不用担心。Presto除了资源组机制外，还有一些其他的机制（如最大查询可用内存，最大查询时间等）；定期检查查询的执行情况，以保证整体集群运行的稳定性。

2. 具体怎么玩？

要想在Presto集群中使用资源组功能，我们只需要在Presto Coordinator节点安装目录etc下新建一个文件 resource-groups.json，然后将resource-groups.config-file 指向资源组配置文件的路径，比如：

1. resource-groups.configuration-manager=file 
2. resource-groups.config-file=etc/resource-groups.json

然后在这个json文件中作以下两部分配置即可：

2.1 资源组主要配置项

name（必须）：

特定资源组名称；

maxQueued（必须）：

排队任务的最大数量，当达到此阈值后，新的任务将被拒绝；

hardConcurrencyLimit（必须）：

任何时刻处于"RUNNING"状态的查询的最大数量；

softMemoryLimit（必须）：

这个资源组最大内存使用量，当达到此阈值后，新任务进入排队。可以指定为一个绝对值（如100GB），也可以指定对集群内存总量的百分比（如60%）；

softCpuLimit（可选）：

一个周期里可以使用cpu的时间，hardCpuLimit也必须指定，在达到该阈值后，该资源组内占据最大CPU资源的查询的CPU资源会被减少；

hardCpuLimit（可选）：

一个周期里可以使用的cpu时间，在达到该阈值后，新的查询会进行排队而非直接执行；

schedulingPolicy（可选）：

指定查询从排队到运行状态的调度策略。

【这里解决用户问题2，参照不同的调度策略，可能会有不同的资源分配顺序】

主要有以下类型：

fair（default）：

当一个资源组下，有几个子资源组都同时有排队的查询，这些子资源组间按照定义的顺序，轮流获得资源，同一个子资源组的查询按照先来先执行的规则获取资源；

weighted_fair ：

采取这种策略的每一个资源组会配置一个属性schedulingWeight，每个子资源组会计算一个比值：

当前子资源组查询数量/schedulingWeight，比值越小的子资源组越先得到资源；

weighted：

默认值为1，子资源组的schedulingWeight越大，越先得到资源；

query_priority：

所有的子资源组都要配置为 query_priority ，排队的查询严格按照指定的query_priority大小顺序来进行获取资源。

2.2 资源组选择器

user（可选）：

匹配用户名；

source（可选）：

匹配连接源，如cli、jdbc、pyhive等；

queryType（可选）：

匹配任务类型；

clientTags（可选）：

tag列表，每个tag必须在用户提交任务的tag列表里；

group（必须）：

这些任务运行的组。

【这里解决用户问题3，可以对不同的查询类型queryType，比如EXPLAIN、INSERT、SELECT和DATA_DEFINITION等类型，匹配到不同的资源组，分配不同的资源，来执行查询】

3. 举一个栗子

为了加深大家的理解，参照Presto官网的资源组栗子可做以下简单图描述:

https://prestosql.io/docs/current/admin/resource-groups.html

对于global资源组而言，最多可同时运行100个查询，有1000查询处于排队状态，在它下面有三个子资源组：data_definition、adhoc 和 pipeline；
pipeline资源组下每一个用户最多可同时运行5个查询，占用pipeline资源组50%的内存资源，其组内默认采用fair的调度策略，所以是按照先来先执行的顺序执行；
为了充分利用集群资源，各个子资源组的内存配额的总和可大于父资源组，比如global资源组(80%)+admin(100%)=180%>100% 。

【这里解决用户问题1，当我们保证子资源组的占比和小于等于100%时，可保证某一个队列的资源总是有的，不被其他资源组抢占，类似静态化分资源】

再来看看资源组选择器

如上每一个大括号代表一个匹配资源组的选择器selector，这里一共配置了5个选择器以匹配上面的5个资源组：

admin
global.data_definition
global.pipeline.pipeline_${USER}、global.adhoc.bi-${toolname}.${USER
global.adhoc.other.${USER}

要全部满足当前selector全部条件，才可放进当前队列执行。比如amy用户使用jdbc方式提交的查询，如果没有配置clientTags，是不能够分配到资源组global.adhoc.bi-${toolname}.${USER}对应的资源；
当一个查询能同时满足两个seletor时，会匹配第一个满足要求的seletor。比如bob用户提交一个source为pipeline的DATA_DEFINITION类型的job，只会匹配到资源组admin对应的资源，而非global.data_definition对应的资源；
当前4个seletor都没有匹配上，会使用最后一个seletor指定的资源组global.adhoc.other.${USER}的资源。该资源组相当于起到一个默认资源组的作用，如果没有设置默认资源组，而又不符合其他资源组选择器条件则会被拒绝执行。

4. 小结

Presto资源组可认为是实现了一个弱资源限制和隔离功能。

我们可以为每个资源组指定队列大小、并发大小、内存使用大小以及CPU资源量。加深对资源组的理解，为每个资源组设置合理的资源参数，一方面可以降低不同业务之间的影响，另一方面也有助于系统减少OOM问题。

参考文献：

https://prestosql.io/docs/current/admin/resource-groups.html

https://www.qubole.com/blog/configure-leverage-resource-groups-in-presto/