如何使用Trino(Presto)直接查询S3上存储的Parquet文件？

Trino 默认不支持 Apache Drill 那种「路径直接当表名」的隐式解析逻辑，它的三级命名空间 <catalog>.<schema>.<table> 最后一级必须是元数据中已注册的表对象，你之前照搬 Drill 的 s3a.root./files.parquet 写法报错就是这个原因。你之前建外部表能正常查询，说明 S3 连接、权限、Parquet 格式解析本身没有问题，不需要重新调整基础连接配置。

要实现无预建表直接查询指定路径Parquet的效果，用下面的方法即可，适配Docker部署的本地环境：

方案：用Hive连接器内置的表值函数直接查询路径（推荐） #

Trino 350及以上版本（包含所有4xx稳定版）的Hive连接器内置了query_files表值函数，不需要提前建表、不需要手动定义字段schema，会自动识别Parquet文件的结构，直接返回数据，效果和Drill的路径查询完全一致。

使用前提 #

你已经完成了Hive catalog的S3配置（也就是你之前建外部表用的那个catalog，通常命名为hive或者s3），配置中已经正确填写S3的endpoint、AK/SK、路径样式访问等参数。

查询语法 #

SELECT *
FROM TABLE(
  -- 替换成你自己的catalog名，比如你建的catalog叫s3就写s3.system.query_files
  hive.system.query_files(
    -- 必须写S3全路径，不要用Drill里的./相对路径写法
    path => 's3a://<你的桶名>/<文件在桶内的完整路径>.parquet',
    format => 'PARQUET'
  )
);

举个实际例子，如果你桶名叫root，parquet文件直接存在桶根目录叫files.parquet，语句就写：

SELECT *
FROM TABLE(
  hive.system.query_files(
    path => 's3a://root/files.parquet',
    format => 'PARQUET'
  )
);

扩展说明 #

• 如果要查询的是一个存了多份Parquet分片的目录（比如Spark/Flume输出的分区目录），直接把path参数填目录的S3全路径即可，函数会自动遍历目录下所有合法的Parquet文件
• 除了Parquet，这个函数还支持直接查询ORC、CSV、JSON等Trino原生支持的文件格式，只需要修改format参数对应的值即可
• 如果你用的是350以下的老旧Trino版本（含早期PrestoDB版本），没有内置这个函数，直接升级到最新稳定版即可，Docker部署只需要拉取最新Trino镜像，挂载原有配置目录重启容器就能完成升级，不需要额外调整配置。

常见踩坑 #

• 不要照搬Drill的相对路径写法，path参数必须填带s3a://前缀的绝对路径，不要加./前缀
• 如果报权限错误，检查你的catalog配置中S3对应的AK是否有该文件/路径的s3:GetObject、s3:ListBucket权限
• 如果报格式解析错误，确认Parquet文件本身没有损坏，且文件版本和Trino内置的Parquet解析器兼容（大部分开源组件输出的标准Parquet文件都能直接解析）

内容的提问来源于stack exchange，提问作者Игорь