针对 Presto 引擎，有哪些常用的 SQL 查询性能优化手段？
考察说明
考查对 Presto 查询优化机制的理解及实际调优经验。
回答思路
- 【回答框架 1】Presto 是分布式 SQL 查询引擎，优化核心在于减少数据扫描量、降低网络传输和提升并行度。首要原则是下推过滤和投影，利用分区裁剪和列式存储（如 ORC/Parquet）只读取必要列，避免 SELECT *。
- 【回答框架 2】合理设计 Join 策略：优先使用 Hash Join，确保小表作为构建侧，必要时通过 join_reordering 或手动调整 SQL 顺序；对于大表 Join，可考虑分桶或使用 Bucketed Table 减少 Shuffle。
- 【回答框架 3】优化聚合和窗口函数：使用近似聚合（approx_distinct）处理超大基数，避免全局排序，利用本地聚合减少数据倾斜；窗口函数尽量在分区内计算，避免全量排序。
- 【回答框架 4】关注资源与并发配置：调整 task 并发度、内存参数（如 query.max-memory）和节点数，避免数据倾斜，可通过 skew join 优化或重分区键。
- 【回答框架 5】利用执行计划分析：通过 EXPLAIN 查看计划，识别高成本节点，如 Exchange 和 Cross Join，针对性改写 SQL，例如将子查询改为 JOIN 或使用 WITH 语句。
- 【关键点 1】列裁剪和分区裁剪是首要优化手段。
- 【关键点 2】Hash Join 优于 Nested Loop，小表作为构建侧。
- 【关键点 3】近似聚合可显著降低大数据量下的计算开销。
- 【关键点 4】数据倾斜需通过重分区或 skew join 缓解。
- 【关键点 5】EXPLAIN 是定位性能瓶颈的关键工具。
- 【易错点 1】不要盲目增加并发度，可能加剧资源竞争。
- 【易错点 2】避免过度使用近似聚合，影响精度。
- 【易错点 3】忽略数据分布直接优化 SQL 可能无效。