presto是什么了解一下：

• 秒级查询引擎（不做存储），GB-PB级
• 不依赖于yarn，有自己的资源管理和执行计划
• 支持多种数据源：hive、redis、kafka

presto架构

presto优缺点

presto优点

• 内存到内存的传输，没有磁盘IO，快
• 所有的计算阶段都在一个从前到后的管道内执行，提交任务生成执行计划，按执行计划从头计算到尾，没有多个阶段之间的等待，快（意味着单机？）
• 支持跨数据源联表查，hive和mysql关联查询

presto缺点

• 联表查询产生大量临时数据，速度会变慢（解决办法：先join好处理成一张大宽表，再给presto查）。处理PB级别海量数据分析，但并不是将PB数据都放在内存中计算，而是根据场景，比如COUNT，AVG等聚合运算，是边读边计算再清理内存，这种比较理想内存消耗并不多；

mapreduce慢的原因

• 数据落磁盘，磁盘IO、网络IO
• 复杂的逻辑需要多个mr，是串行

presto和impala对比

• impala是cdh里的一个组件，和presto理念很相似，impala性能稍领先于presto
• presto支持的数据源类型更多：hive、图数据库、传统关系型数据库、redis等

其他信息

• 大宽表建议用clickhouse/presto