diff --git a/note/sqoop/[硬核]Sqoop入门指南.md b/note/其他组件/[硬核]Sqoop入门指南.md
similarity index 100%
rename from note/sqoop/[硬核]Sqoop入门指南.md
rename to note/其他组件/[硬核]Sqoop入门指南.md
diff --git a/note/其他组件/从 0 到 1 学习 Presto，这一篇就够了.md b/note/其他组件/从 0 到 1 学习 Presto，这一篇就够了.md
new file mode 100644
index 0000000..c80b708
--- /dev/null
+++ b/note/其他组件/从 0 到 1 学习 Presto，这一篇就够了.md
@@ -0,0 +1,731 @@
+> **本文已收录github：https://github.com/BigDataScholar/TheKingOfBigData，里面有大数据高频考点，Java一线大厂面试题资源，上百本免费电子书籍，作者亲绘大数据生态圈思维导图…持续更新，欢迎star！**
+## 前言
+ **Presto** 作为现在在企业中流行使用的**即席查询**框架，已经在不同的领域得到了越来越多的应用。本期内容，我会从一个初学者的角度，带着大家从 0 到 1 学习 **Presto**，希望大家能够有所收获！
+
+@[TOC]
+
+## 1. Presto简介
+### 1. 1 Presto概念
+ Presto是 Facebook 推出的一个开源的分布式SQL查询引擎，数据规模可以支持GB到PB级，主要应用于处理**秒级查询**的场景。Presto 的设计和编写完全是为了解决像 Facebook 这样规模的商业数据仓库的**交互式分析和处理速度**的问题。
+
+> **注意：** **虽然 Presto 可以解析 SQL，但它不是一个标准的数据库。不是 MySQL、Oracle 的代替品，也不能用来处理在线事务（OLTP）**。
+
+### 1.2 Presto 应用场景
+ Presto 支持**在线数据查询**，包括 Hive，关系数据库（MySQL、Oracle）以及专有数据存储。一条 Presto 查询可以将**多个数据源的数据进行合并，可以跨越整个组织进行分析**。
+
+ Presto 主要用来处理 响应时间小于 1 秒到几分钟的场景 。
+
+
+### 1.3 Presto架构
+ Presto 是一个运行在多台服务器上的分布式系统。完整安装包括一个 `Coordinator` 和多 个 `Worker`。由**客户端**提交查询，从 Presto 命令行 CLI 提交到 Coordinator。Coordinator 进行 解析，分析并执行查询计划，然后分发处理队列到 Worker 。
+
+ Presto 有两类服务器：**Coordinator** 和 **Worker**
+
+ 1) `Coordinator`
+
+ **Coordinator 服务器是用来解析语句，执行计划分析和管理 Presto 的 Worker 节点**。**Presto 安装必须有一个 Coordinator 和多个 Worker**。如果用于开发环境和测试，则一个 Presto 实例 可以同时担任这两个角色。
+
+ **Coordinator 跟踪每个 Work 的活动情况并协调查询语句的执行**。**Coordinator 为每个查询建立模型**，模型包含多个Stage，每个Stage再转为Task 分发到不同的 Worker 上执行。
+
+ Coordinator 与 Worker、Client 通信是通过 **REST API**。
+
+ 2）`Worker`
+
+ **Worker 是负责执行任务和处理数据**。Worker 从 Connector 获取数据。Worker 之间会交换中间数据。Coordinator 是负责从 Worker 获取结果并返回最终结果给 Client。
+
+ **当 Worker 启动时，会广播自己去发现 Coordinator，并告知 Coordinator 它是可用，随 时可以接受 Task**。
+
+ Worker 与 Coordinator、Worker 通信是通过 **REST API**。
+
+ 3）数据源
+
+
+ 贯穿下文，你会看到一些术语：**Connector**、**Catelog**、**Schema** 和 **Table**。这些是 Presto 特定的**数据源**
+
+- **Connector**
+
+ **Connector 是适配器，用于 Presto 和数据源（如 Hive、RDBMS）的连接**。你可以认为 类似 `JDBC` 那样，但却是 Presto 的 SPI 的实现，使用标准的 API 来与不同的数据源交互。
+
+
+ Presto 有几个内建 Connector：JMX 的 Connector、System Connector（用于访问内建的 System table）、Hive 的 Connector、TPCH（用于 TPC-H 基准数据）。还有很多第三方的 Connector，所以 **Presto 可以访问不同数据源的数据**。
+
+ **每个 Catalog 都有一个特定的 Connecto**r。如果你使用 catelog 配置文件，你会发现每个 文件都必须包含 connector.name 属性，用于指定 catelog 管理器（创建特定的 Connector 使用）。 一个或多个 catelog 用同样的 connector 是访问同样的数据库。例如，你有两个 Hive 集群。 你可以在一个 Presto 集群上配置两个 catelog，两个 catelog 都是用 Hive Connector，从而达 到可以查询两个 Hive 集群。
+
+
+- **Catelog**
+
+ **一个 Catelog 包含 Schema 和 Connector** 。例如，你配置JMX 的 catelog，通过JXM Connector 访问 JXM 信息。当你**执行一条 SQL 语句时，可以同时运行在多个 catelog**。
+
+ Presto 处理 table 时，是通过表的**完全限定（fully-qualified）名**来找到 catelog。例如， 一个表的权限定名是 `hive.test_data.test`，则 **test** 是表名，**test_data** 是 schema，**hive** 是 catelog。
+
+ Catelog 的定义文件是在 Presto 的配置目录中。
+
+- **Schema**
+
+ **Schema 是用于组织 table**。把 catelog 和 schema 结合在一起来包含一组的表。当通过Presto 访问 hive 或 Mysq 时，一个 schema 会同时转为 hive 和 mysql 的同等概念。
+
+- **Table**
+
+ Table 跟关系型的表定义一样，但数据和表的映射是交给 Connector。
+
+
+### 1.4 Presto 数据模型
+
+ 1）**Presto** 采取三层表结构：
+
+ `Catalog`：对应某一类数据源，例如 Hive 的数据，或 MySql 的数据
+
+ `Schema`：对应 MySql 中的数据库
+
+ `Table`：对应 MySql 中的表
+
+
+
+
+
+
+
+ 2）**Presto** 的存储单元包括：
+
+ `Page`：多行数据的集合，包含多个列的数据，内部仅提供逻辑行，实际以列式存储。
+
+ `Block`：一列数据，根据不同类型的数据，通常采取不同的编码方式，了解这些编码方式，有助于自己的存储系统对接 presto。
+
+
+ 3）不同类型的 Block：
+
+
+ （1）**Array 类型 Block，应用于固定宽度的类型**，例如 int，long，double。block 由两部分组成：
+
+- `boolean valueIsNull[]` **表示每一行是否有值**。
+- `T values[]` **每一行的具体值**
+
+ （2）**可变宽度的 Block，应用于 String 类数据**，由三部分信息组成
+
+- `Slice`：所有行的数据拼接起来的字符串
+- `int offsets[]`：每一行数据的起始偏移位置。每一行的长度等于下一行的起始偏移减去当 前行的起始偏移。
+- `boolean valueIsNull[]`: 表示某一行是否有值。如果有某一行无值，那么这一行的偏移量 等于上一行的偏移量。
+
+ （3）**固定宽度的 String 类型的 block，所有行的数据拼接成一长串 Slice，每一行的长度固定**。
+
+ （4）**字典 block：对于某些列，distinct 值较少，适合使用字典保存**。主要有两部分组成：
+
+ `字典`，可以是任意一种类型的 block(甚至可以嵌套一个字典 block)，block 中的每一行按照顺序排序编号。
+
+ `int ids[] `表示每一行数据对应的 value 在字典中的编号。在查找时，首先找到某一行的 id， 然后到字典中获取真实的值。
+
+### 1.5 Presto 优缺点
+ 学习一个新的框架，免不了来探讨一下它的优缺点：
+
+ 通过下面一张图，我们来看看 Presto 中 SQL 运行过程：**MapReduce vs Presto**
+
+
+ 我们可以很明显地感受到，**Presto 使用内存计算，减少与硬盘交互**
+
+#### 1.5.1 优点
+ 1）**Presto 与 Hive 对比，都能够处理 PB 级别的海量数据分析，但 Presto 是基于内存运算，减少没必要的硬盘 IO，所以更快**。
+
+ 2）**能够连接多个数据源，跨数据源连表查，如从 Hive 查询大量网站访问记录，然后从 Mysql 中匹配出设备信息**。
+
+ 3）**部署也比 Hive 简单，因为 Hive 是基于 HDFS 的，需要先部署 HDFS**。
+
+ 找了张对比图，大家感受下：
+
+
+#### 1.5.2 缺点
+ 1）**虽然能够处理 PB 级别的海量数据分析，但不是代表 Presto 把 PB 级别都放在内存中计算的**。而是根据场景，如 **count，avg** 等聚合运算，是**边读数据边计算，再清内存，再读数据再计算，这种耗的内存并不高**。但是**连表查，就可能产生大量的临时数据，因此速度会变慢，反而 Hive此时会更擅长**。
+
+ 2）为了达到实时查询，可能会想到用它直连 MySql 来操作查询，这效率并不会提升， 瓶颈依然在 MySql，此时还引入网络瓶颈，所以会比原本直接操作数据库要慢。
+
+### 1.6 Presto、Impala性能比较
+ Presto 和 Impala这两种典型的**内存数据库**之间具体的性能测试比较就不详细展开叙述，感兴趣可以去看这篇链接：[https://blog.csdn.net/u012551524/article/details/79124532](https://blog.csdn.net/u012551524/article/details/79124532)
+
+ 我就说下总结的结论：
+
+> 他们的共同点就是吃内存，当然在内存充足的情况下，并且有规模适当的集群，性能应该会更可观。并且从几次性能的比较查询来看，**Impala性能稍领先于presto，但是presto在数据源支持上非常丰富**，包括hive、图数据库、传统关系型数据库、Redis等
+
+ 大家也可以根据上面的链接，自己也尝试去做下对比测试。
+
+### 1.7 官网地址
+ 就在 2020 年 12 月 27 日，prestosql 与 facebook 正式分裂,并改名为` trino`。分裂之前和之后的官网分别是：[https://prestosql.io/ ](https://prestosql.io/)和 [https://trino.io](https://trino.io)。
+
+
+
+### 1.8 Prestodb VS Prestosql(trino)
+ 根据目前社区活跃度和使用广泛度,更加推荐 prestosql。具体的区别详见：
+
+ [http://armsword.com/2020/05/02/the-difference-between-prestodb-and-prestosql/](http://armsword.com/2020/05/02/the-difference-between-prestodb-and-prestosql/)
+
+
+## 2. Presto安装部署
+
+### 2.1 prestosql 版本的选择
+ 在 presto330 版本里已经提到，jdk8 只支持到 2020-03 月发行的版本.详情参考:
+[https://prestosql.io/docs/current/release/release-330.html](https://prestosql.io/docs/current/release/release-330.html)。在 2020 年 4 月 8 号 presto 社区发布的 332 版本开始，需要 jdk11 的版本.由于现在基本都使 用的是 jdk8，所以我们选择 presto315 版本的,此版本在 jdk8 的环境下是可用的。如果我们生产环境是 jdk8，但是又想使用新版的 presto，可以为 presto 单独指定 jdk11 也可使用。
+
+
+### 2.2 集群安装规划
+| host | coordinator |worker|
+|--|--|-|
+| node01 | √ |×|
+|node02|×|√
+|node03|×|√
+
+
+### 2.3 Presto Server 的安装
+ 1、安装包下载地址：
+> https://repo1.maven.org/maven2/io/prestosql/presto-server/315/presto-server-315.tar.gz
+
+
+ 2、将 `presto-server-315.tar.gz` 上传到服务器上,这里导入到 node01 服务器上的 `/export/software/`目录下，并解压至 `/export/servers/`目录下：
+
+```shell
+[root@node01 software]# tar -zvxf presto-server-315.tar.gz -C /export/servers/
+```
+
+ 3、创建 presto 的数据目录 ( **presto 集群的每台机器都要创建**)，用来存储日志这些
+
+```shell
+[root@node01 presto-server-315]# mkdir -p /file/data/presto
+```
+
+ 4、在安装目录 /export/servers/presto-server-315 下创建 etc 目录,用来存放各种配置文件
+
+```shell
+[node01@node01 presto-server-315]# mkdir etc
+```
+
+### 2.4 Node Properties 配置
+ 在 `/export/servers/presto-server-315/etc` 路径下,配置 node 属性(注意：**集群中每台 presto 的 node.id 必须不一样**,后面需要修改集群中其它节点的 node.id 值)
+
+```shell
+[root@node01 etc]# vim node.properties
+#环境名称,自己任取.集群中的所有 Presto 节点必须具有相同的环境名称.
+node.environment=develop
+#支持字母,数字.对于每个节点,这必须是唯一的.这个标识符应该在重新启动或升级 Presto 时保持一致
+node.id=1
+#指定 presto 的日志和其它数据的存储目录,自己创建前面创建好的数据目录
+node.data-dir=/file/data/presto
+```
+
+### 2.5 JVM Config 配置
+ 在`/exports/servers/presto-server-315/etc` 目录下添加 **jvm.config** 配置文件,并填入如下内容
+
+```bash
+#参考官方给的配置,根据自身机器实际内存进行配置
+-server
+#最大 jvm 内存
+-Xmx16G
+#指定 GC 的策略
+-XX:+UseG1GC
+-XX:G1HeapRegionSize=32M
+-XX:+UseGCOverheadLimit
+-XX:+ExplicitGCInvokesConcurrent
+-XX:+HeapDumpOnOutOfMemoryError
+-XX:+ExitOnOutOfMemoryError
+-XX:ReservedCodeCacheSize=256M
+```
+
+### 2.6 Config Properties 配置
+ Presto 是由一个 `coordinator` 节点和多个 `worker` 节点组成。由于在单独一台服务器上配置 coordinator ，有利于提高性能，所以在 node01上配置成 coordinator，在 node02,node03 上配 置为 worker(如果实际机器数量不多的话可以将在协调器上部署 worker.)在 `/export/servers/presto-server-315/etc`目录下添加 **config.properties** 配置文件
+
+```shell
+# 该节点是否作为 coordinator,如果是 true 就允许该 Presto 实例充当协调器
+coordinator=true
+# 允许在协调器上调度工作(即配置 worker 节点).为 false 就是不允许.对于较大的集群,协调器上的处理工作可能会影响查询性能,因为机器的资源无法用于调度,管理和监视查询执行的关键任务
+# 如果需要在协调器所在节点配置 worker 节点改为 true 即可
+node-scheduler.include-coordinator=false
+# 指定 HTTP 服务器的端口.Presto 使用 HTTP 进行所有内部和外部通信
+http-server.http.port=8080
+# 每个查询可以使用的最大分布式内存量
+query.max-memory=50GB
+#查询可在任何一台计算机上使用的最大用户内存量
+query.max-memory-per-node=1GB
+# 查询可在任何一台计算机上使用的最大用户和系统内存量，其中系统内存是读取器，写入器和网络缓冲区等在执行期间使用的内存
+query.max-total-memory-per-node=2GB
+# discover-server 是 coordinator 内置的服务,负责监听 worker
+discovery-server.enabled=true
+# 发现服务器的 URI.因为已经在 Presto 协调器中启用了 discovery,所以这应该是 Presto 协调器的 URI
+discovery.uri=http://node01:8080
+```
+
+### 2.7 Log Properties 配置
+ 日志配置文件：`etc/log.properties`。类似Java的日志级别，包括 `INFO`、`DEBUG`、`ERROR`。
+
+```shell
+com.facebook.presto=INFO
+```
+
+### 2.8 Catalog Properties 配置
+ Presto 可以支持多个数据源，在 Presto 里面叫 catalog，这里以配置支持 Hive 的数据源为例，配置一个 Hive 的 catalog ：
+
+```bash
+#在 etc 目录下创建 catalog 目录
+[root@node01 etc]# mkdir catalog
+```
+**Hive 的 catalog:**
+
+```shell
+[root@node01 catalog]# vim hive.properties
+#代表 hadoop2 代版本,并不是单单指 hadoop2.x 的版本,而是 hadoop 第二代.固定写法
+connector.name=node02
+#指定 hive 的 metastore 的地址(hive 必须启用 metastore)
+hive.metastore.uri=thrift://node01:9083
+#如果 hdfs 是高可用必须增加这个配置.如果不是高可用,可省略.如果 Presto 所在的节点>没 有安装 Hadoop,需要从其它 hadoop 节点复制这些文件到 Presto 的节点
+hive.config.resources=/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/core-site.xml, /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/hdfs-site.xml
+hive.allow-drop-table=true
+hive.storage-format=ORC
+hive.metastore-cache-ttl=1s
+hive.metastore-refresh-interval=1s
+hive.metastore-timeout=35m
+hive.max-partitions-per-writers=1000
+```
+
+### 2.9 分发安装目录到集群中其它节点上
+ 将 node01 上配置好的 presto 安装包分发到集群中的其它节点(这里使用的是自己写的分发脚本)
+
+```shell
+[root@node01 servers]# xsync script /export/servers/presto-server-315/
+```
+
+### 2.10 修改 node.id
+ 修改 node02 和 node03 机器上 **node.properties** 配置文件中的 **node.id** (因为每台机器 node.id 必须要不一样)
+
+```bash
+[root@node02 etc]# vim node.properties
+node.id=2
+
+[root@node03 etc]# vim node.properties
+node.id=3
+```
+
+### 2.11 修改 work 节点的配置信息
+ 修改 worker 节点(即 linux122 和 linux123 机器)上的 **config.properties** 配置文件里面的配置内容与 **coordinator** 所在的节点是不一样的
+
+```bash
+#该节点是否作为 coordinator,因为是 worker 节点,这里是 false
+coordinator=false
+#访问端口,可以自己指定
+http-server.http.port=8080
+#每个查询可以使用的最大分布式内存量
+query.max-memory=50GB
+#查询可在任何一台计算机上使用的最大用户内存量
+query.max-memory-per-node=1GB
+#查询可在任何一台计算机上使用的最大用户和系统内存量，其中系统内存是读取器，写 入器和网络缓冲区等在执行期间使用的内存
+query.max-total-memory-per-node=2GB
+#指定 discovery-server 的地址,这样 worker 才能找到它.与上面的端口须一致
+discovery.uri=http://node01:8080
+```
+
+### 2.12 启动服务
+ 启动脚本在安装目录的`bin/launcher`目录下，我们可以使用如下命令作为一个后台进程启动：
+
+```bash
+bin/launcher start
+```
+ 另外，也可以用在前台启动的方式运行，日志和目录输出将会写入到 `stdout/stderr`（可以使用类似`daemontools`的工具捕捉这两个数据流）
+
+```bash
+bin/launcher run
+```
+ 启动完之后，日志将会写在`var/log`目录下，该目录下有如下文件：
+
+- `launcher.log`：这个日志文件由 **launcher** 创建，并且server的stdout和stderr都被重定向到了这个日志文件中。这份日志文件中只会有很少的信息，包括：
+
+ 在server日志系统初始化的时候产生的日志和JVM产生的诊断和测试信息。
+
+ `server.log`：这个是 Presto 使用的主要日志文件。一般情况下，该文件中将会包括**server初始化失败时产生的相关信息**。
+
+ `http-request.log`： 这是**HTTP请求的日志文件**，包括server收到的每个HTTP请求信息。
+
+ 启动成功之后，我们可以通过`jps`查看到多了一个 PrestoServer 的进程。
+
+```bash
+[root@node01 etc]# jps
+6051 PrestoServer
+```
+
+ 此时我们就可以通过`ip:端口`的方式访问到 presto 的 **webui** 界面。
+
+
+ 关于 `webui` 中**各项指标的含义**，我整理了2张图，大家可以借鉴一下
+
+
+
+
+ 另外，关于 Stage，Task 阶段的各参数指标含义，就不细讲了，更多内容详情见官网....
+
+
+## 3、Presto 命令行 Client 的安装
+ Presto 的 命令行 Client 下载步骤也很简单：
+
+ 1、下载 Presto 的客户端（下载 presto 对应的版本）👉[https://repo1.maven.org/maven2/io/prestosql/presto-cli/315/presto-cli-315-executable.jar](https://repo1.maven.org/maven2/io/prestosql/presto-cli/315/presto-cli-315-executable.jar)
+
+ 2、将 `presto-cli-315-executable.jar` 上传至服务器,放在 node01 的 `/export/servers/presto-server- 315/bin` 目录下
+
+ 3、为方便使用，修改 jar 包名称为 presto
+
+```bash
+[root@node01 bin]$ mv presto-cli-315-executable.jar presto
+```
+
+ 4. 给文件增加执行权限
+
+```bash
+[root@node01 bin]# chmod +x presto
+```
+
+## 4、Presto 的基本使用
+ 1、 启动 presto 客户端并选择连接的数据源(这里以 hive 为例)
+
+```shell
+[root@node01 bin]$ ./presto \
+--server node01:8080 \
+--catalog hive \(可选)
+--schema test \(可选)
+--user xiaobai (可选)
+```
+**说明**:
+ -- server 指定的是 `coordinator` 的地址
+ -- catalog 指定的是**连接的数据源**.(跟配置文件里面的名称一致)
+ -- schema 指定的是**连接哪个数据库**,这里是 test 数据库
+ -- user 指定的是**连接使用哪个用户**,这里是xiaobai
+
+
+ 2、Presto 命令行操作
+
+```shell
+#查看所有的数据库
+presto:test> show schemas;
+#查看某个库下的所有表
+presto:test> show tables;
+#查看一条 sql 查询(6 亿多条数据比 hive 快很多)
+presto:test> select count(1) from test.test_hive;
+_col0
+-----------
+620756992
+```
+
+
+## 5、Presto可视化客户端的安装
+
+ Presto 可视化客户端有多种，这里我们选择使用 `yanagishima-20.0` 版本
+> 本篇文章中谈到的**所有**安装包资源，在公众号【大数据梦想家】后台回复 “presto”即可获得！
+
+- 1、将 yanagishima-20.0.zip 安装包上传至 linux121 服务器上
+- 2、解压 yanagishima-20.0.zip 安装包
+
+```bash
+[root@node01 software]# unzip yanagishima-20.0.zip -d /export/servers/
+```
+
+- 3、.进入到 `/opt/servers/yanagishima-20.0/conf/`目录下,修改 **yanagishima.properties** 配置文件
+
+```bash
+#指定 jetty 的端口,类似 tomcat 的 web 容器的一个组件
+jetty.port=7788
+#指定数据源
+presto.datasources=presto_test
+presto.coordinator.server.presto_test=http://node01:8080
+catalog.presto_test=hive
+schema.presto_test=ods
+sql.query.engines=presto
+```
+- 4、启动 yanagishima
+
+```bash
+[root@node01 yanagishima-20.0]# nohup bin/yanagishima-start.sh 1>/dev/null 2>&1 &
+```
+
+- 5、webUI访问界面
+
+ 通过`http://node01:7788/`，即可查询到相关信息
+
+- 6、查看 Presto 表结构，如下图所示：
+
+
+
+ 在“Treeview”页面下可以查看所有表的结构，包括`Schema`，`Table`，`Column`等。
+
+ 比如，执行`SELECT * FROM hive.company."action" LIMIT 100`
+
+ 每张表后面都有一个复制图标，单击此图标可以复制完整的表名，然后在上面的文本框中输入 SQL 语句 即可，如图所示：
+
+ 还可以查询列表中其他的表格，比如，想要执行现在已经写好了的SQL语句，`SELECT * FROM hive.company."demo01" LIMIT 100`，按`Ctrl + Enter`组合键显示**查询结果**，如图所示：
+
+ 当然，我们也可以通过`Query List`模块查询我们执行过的SQL详细信息，包括`State`，`query ID`，`Elapsed`，`Query`，` Source`，`User`....
+
+ 更多使用，就不一一剧透介绍，小伙伴们可以自行去研究~
+
+## 6、Presto的优化
+ Presto 的优化是一个非常有水平的问题，大致总结下，分如下几个类别：
+
+### 6.1 数据存储
+ 想要使用 Presto 更高效地查询数据，需要在数据存储方面利用一些优化手段。
+
+
+#### 6.1.1 合理设置分区
+ 与 Hive 类似，Presto 会根据元数据信息读取分区数据，**合理地设置分区**能减少 Presto 数据读取量，提升查询性能。
+
+#### 6.1.2 使用 ORC 格式存储
+ Presto 对 ORC文件 读取进行了特定优化，因此，**在 Hive 中创建 Presto 使用的表时，建议采用 ORC 格式存储**。相对于 Parquet 格式，Presto 对 ORC 格式支持得更好。
+
+#### 6.1.3 使用压缩
+ **数据压缩可以减少节点间数据传输对 IO 带宽的压力**，对于即席查询需要快速解压，建议采用 `Snappy`压缩。
+
+#### 6.1.4 预先排序
+ 对于已经排序的数据，在查询的数据过滤阶段，ORC格式支持跳过读取不必要的数据。比如对于经常需要过滤的字段可以预先排序。
+
+```sql
+INSERT INTO table nation_orc partition(p) SELECT * FROM nation SORT BY n_name;
+```
+ 如果需要过滤 n_name 字段，则性能将提升。
+
+```sql
+SELECT count(*) FROM nation_orc WHERE n_name=’AUSTRALIA’;
+```
+### 6.2 SQL查询
+ 想要使用 `Presto`更高效地查询数据，需要在编写查询SQL语句方面利用一些优化手段。
+
+#### 6.2.1 只选择需要的字段
+ 由于采用列式存储，所以**只选择需要的字段可加快字段的读取速度，减少数据量**。避免采用 * 读取所有字段。
+
+```bash
+[GOOD]: SELECT time,user,host FROM tbl
+[BAD]: SELECT * FROM tbl
+```
+
+#### 6.2.2 过滤条件必须加上分区字段
+ **对于有分区的表，where语句中优先使用分区字段进行过滤**。acct_day 是分区字段，visit_time 是具体访问时间。
+
+```sql
+[GOOD]: SELECT time,user,host FROM tbl where acct_day=20171101
+[BAD]: SELECT * FROM tbl where visit_time=20171101
+```
+
+#### 6.2.3 Group By语句优化
+ 合理安排 `Group by `语句中**字段顺序对性能有一定提升**。将 Group By 语句中字段按照每个字段 distinct 数据多少进行降序排列。
+
+```sql
+[GOOD]: SELECT GROUP BY uid, gender
+[BAD]: SELECT GROUP BY gender, uid
+```
+
+#### 6.2.4 Order by时使用Limit
+ Order by 需要扫描数据到单个 worker 节点进行排序，导致单个worker需要大量内存。**如果是查询 Top N 或者 Bottom N，使用 limit 可减少排序计算和内存压力**。
+
+```sql
+[GOOD]: SELECT * FROM tbl ORDER BY time LIMIT 100
+[BAD]: SELECT * FROM tbl ORDER BY time
+```
+#### 6.2.5 使用近似聚合函数
+ Presto有一些近似聚合函数，对于**允许有少量误差**的查询场景，使用这些函数**对查询性能有大幅提升**。比如使用`approx_distinct() `函数比`Count(distinct x)`有大概2.3%的误差。
+
+```sql
+SELECT approx_distinct(user_id) FROM access
+```
+#### 6.2.6 用regexp_like代替多个like语句
+ Presto查询优化器没有对多个 `like` 语句进行优化，使用`regexp_like`对性能有较大提升。
+
+```sql
+[GOOD]
+SELECT
+ ...
+FROM
+ access
+WHERE
+ regexp_like(method, 'GET|POST|PUT|DELETE')
+
+[BAD]
+SELECT
+ ...
+FROM
+ access
+WHERE
+ method LIKE '%GET%' OR
+ method LIKE '%POST%' OR
+ method LIKE '%PUT%' OR
+ method LIKE '%DELETE%'
+```
+
+#### 6.2.7 使用Join语句时将大表放在左边
+ Presto中 join 的默认算法是`broadcast join`，即将 join 左边的表分割到多个 worker ，然后将join 右边的表数据整个复制一份发送到每个worker进行计算。如果右边的表数据量太大，则可能会报内存溢出错误。
+
+```sql
+[GOOD] SELECT ... FROM large_table l join small_table s on l.id = s.id
+[BAD] SELECT ... FROM small_table s join large_table l on l.id = s.id
+```
+
+#### 6.2.8 使用Rank函数代替row_number函数来获取Top N
+ 在进行一些分组排序场景时，使用rank函数性能更好
+
+```sql
+[GOOD]
+SELECT checksum(rnk)
+FROM (
+ SELECT rank() OVER (PARTITION BY l_orderkey, l_partkey ORDER BY l_shipdate DESC) AS rnk
+ FROM lineitem
+) t
+WHERE rnk = 1
+
+[BAD]
+SELECT checksum(rnk)
+FROM (
+ SELECT row_number() OVER (PARTITION BY l_orderkey, l_partkey ORDER BY l_shipdate DESC) AS rnk
+ FROM lineitem
+) t
+WHERE rnk = 1
+```
+
+### 6.3 注意事项
+
+ `ORC`和` Parquet` 都支持**列式存储**，但是**ORC对Presto支持更好**（Parquet对Impala支持更好）
+
+ 对于列式存储而言，存储文件为二进制的，对于经常增删字段的表，建议不要使用列式存储（修改文件元数据代价大）。对比数据仓库，**dwd层建议不要使用ORC，而dm层则建议使用**。
+
+### 6.4 可能会踩的坑
+
+ 使用 Presto 需要注意如下几点：
+
+
+> 引用：https://segmentfault.com/a/1190000013120454?utm_source=tag-newest
+
+#### 6.4.1 如何加快在Presto上的数据统计
+ 很多的时候，在Presto上对数据库跨库查询，例如Mysql数据库。这个时候Presto的做法是从MySQL数据库端拉取最基本的数据，然后再去做进一步的处理，例如统计等聚合操作。
+
+ 举个例子：
+
+```bash
+SELECT count(id) FROM table_1 WHERE condition=1;
+```
+ 上面的SQL语句会分为3个步骤进行：
+
+ （1）Presto发起到Mysql数据库进行查询
+```sql
+SELECT id FROM table_1 WHERE condition=1;
+```
+ （2）对结果进行count计算
+
+ （3）返回结果
+
+ 所以说，对于Presto来说，其跨库查询的瓶颈是在数据拉取这个步骤。若要提高数据统计的速度，可考虑**把 Mysql 中相关的数据表定期转移到HDFS中，并转存为高效的列式存储格式ORC**。
+
+ 所以定时归档是一个很好的选择，这里还要注意，在归档的时候我们要选择一个归档字段，如果是按日归档，我们可以用日期作为这个字段的值，采用`yyyyMMdd`的形式，例如`20180123`.
+
+ 一般创建归档数据库的SQL语句如下：
+
+```sql
+CREATE TABLE IF NOT EXISTS table_1 (
+id INTEGER,
+........
+partition_date INTEGER
+)WITH ( format = 'ORC', partitioned_by = ARRAY['partition_date'] );
+```
+
+ 查看创建的库结构：
+
+```bash
+SHOW CREATE TABLE table_1; /*Only Presto*/
+```
+ 带有分区的表创建完成之后，每天只要更新分区字段`partition_date`就可以了，聪明的Presto 就能将数据放置到规划好的分区了。
+
+ 如果要查看一个数据表的分区字段是什么，可以下面的语句：
+
+```sql
+SHOW PARTITIONS FROM table_1 /*Only Presto*/
+```
+
+#### 6.4.2 查询条件中尽量带上分区字段进行过滤
+ 如果数据被规当到 HDFS 中，并带有分区字段。在每次查询归档表的时候，要带上分区字段作为过滤条件，这样可以加快查询速度。因为**有了分区字段作为查询条件，就能帮助Presto避免全区扫描，减少Presto需要扫描的HDFS的文件数**。
+
+#### 6.4.3 多多使用 WITH 语句
+ 使用 Presto 分析统计数据时，可考虑把多次查询合并为一次查询，用 Presto 提供的子查询完成。
+
+ 这点和我们熟知的MySQL的使用不是很一样。
+
+ 例如：
+
+```sql
+WITH subquery_1 AS (
+ SELECT a1, a2, a3
+ FROM Table_1
+ WHERE a3 between 20180101 and 20180131
+), /*子查询subquery_1,注意：多个子查询需要用逗号分隔*/
+subquery_2 AS (
+ SELECT b1, b2, b3
+ FROM Table_2
+ WHERE b3 between 20180101 and 20180131
+) /*最后一个子查询后不要带逗号，不然会报错。*/
+SELECT
+ subquery_1.a1, subquery_1.a2,
+ subquery_2.b1, subquery_2.b2
+FROM subquery_1
+ JOIN subquery_2
+ ON subquery_1.a3 = subquery_2.b3;
+```
+#### 6.4.4 利用子查询，减少读表的次数，尤其是大数据量的表
+
+
+ 具体做法是，将使用频繁的表作为一个子查询抽离出来，避免多次 read。
+
+#### 6.4.5 只查询需要的字段
+ 一定要避免在查询中使用 SELECT * 这样的语句，就像只有告诉我们需要查询数据越具体，工作效率越高。
+
+ 对于我们的数据库而言也是这样，任务越明确，工作效率越高。
+
+ 对于要查询全部字段的需求也是这样，没有偷懒的捷径，把它们都写出来。
+
+
+#### 6.4.6 Join查询优化
+ Join左边尽量放小数据量的表，而且最好是重复关联键少的表。
+
+#### 6.4.7 字段名引用
+ 避免字段名与关键字冲突：MySQL对于关键字冲突的字段名加**反引号**，Presto 对与关键字冲突的字段名加**双引号**。当然，如果字段名不与关键字冲突，则可以不加双引号。
+
+#### 6.4.8 时间函数
+ 对于 `timestamp`，需要进行比较的时候，需要添加 `timestamp` 关键字，而 MySQL 中对 `timestamp` 可以直接进行比较。
+
+```sql
+/*MySQL的写法*/
+SELECT t FROM a WHERE t > '2017-01-01 00:00:00';
+
+/*Presto中的写法*/
+SELECT t FROM a WHERE t > timestamp '2017-01-01 00:00:00';
+```
+
+#### 6.4.9 MD5 函数的使用
+ Presto 中 MD5 函数传入的 是 `binary` 类型，返回的也是`binary`类型，要对字符串进行 `MD5`操作时，需要转换：
+
+```sql
+SELECT to_hex(md5(to_utf8('1212')));
+```
+#### 6.4.10 不支持 INSERT OVERWRITE 语法
+ Presto中不支持 `insert overwrite`语法，只能先`delete`，然后`insert into`
+
+#### 6.4.11 ORC 格式
+ **Presto 中对 ORC 文件格式进行了针对性优化，但在 impala 中目前不支持ORC格式的表，hive中支持 ORC 格式的表，所以想用列式存储的时候可以优先考虑ORC格式**
+
+#### 6.4.12 PARQUET 格式
+ Presto 目前支持 parquet 格式，支持查询，但不支持 `insert`
+
+## 巨人的肩膀
+> 1、《大数据分析数据仓库项目实战》
+> 2、《大数据技术实战》
+> 3、《大数据私房菜_Presto的安装和使用》
+> 4、 《impala与Presto的性能比较》https://blog.csdn.net/u012551524/article/details/79124532
+> 5、《Presto踩坑指南》https://segmentfault.com/a/1190000013120454?utm_source=tag-newest
+
+
+## 小结
+ 本篇内容为大家介绍的是关于从 0 到 1 学习 Presto 的过程，内容算是比较的完整！包括从**Presto的简介**，**安装部署**，**命令行 Client 的安装**，**基本使用**，**可视化客户端的安装与基本使用**，以及使用任何一个组件我们都很注重的**优化** ...... 希望大家看完之后能够有所收获！**你知道的越多，你不知道的也越多**，我是大数据梦想家，我们下一期见！
+
+
+## 彩蛋
+ 我在经历了太多技术群沦落为广告群，水文群，聊天群之后，立志打造一个真正的技术交流社区，于是和我现在的管理成立了「大数据梦想家」技术交流群，希望有更多热爱并渴望学习大数据技术的小伙伴加入到我们的队伍。以下是部分群规，群里设置有**严格的制度**以及**不错的福利制度**。
+
+ 这是我整理的福利资料，🚀[https://shimo.im/docs/C8Y6Jjtw9ryRpVJH](https://shimo.im/docs/C8Y6Jjtw9ryRpVJH)
+
+ 想了解更多信息，可以加入我们的学习群，可以关注**下方公众号**，后台回复“**加群**”即可。
+
+
+