请解释 Presto 在面对海量数据时采用怎样的处理机制，并说明其分布式计算模型的具体运作流程是怎样的？

回答思路

1. 【回答框架 1】Presto 采用主从架构，由 Coordinator 负责接收查询、解析 SQL、生成执行计划并调度任务，Worker 节点负责实际的数据读取和计算，二者通过 REST API 通信。
2. 【回答框架 2】查询执行时，Coordinator 将执行计划拆分为多个 Stage，每个 Stage 进一步划分为多个 Task，Task 在 Worker 上并行运行，每个 Task 处理一个数据分片（Split），从而实现对大规模数据的分布式并行处理。
3. 【回答框架 3】数据以页面（Page）为单位在节点间以流水线方式传输，下游 Task 可立即处理上游产生的数据，无需等待全部数据就绪，减少了延迟并提升了吞吐。
4. 【回答框架 4】Presto 通过动态过滤、谓词下推和列式存储读取优化，减少实际处理的数据量，同时利用协处理器和本地计算能力提升效率。
5. 【回答框架 5】其 MPP（大规模并行处理）模型支持在数千节点上扩展，适合交互式查询场景，但不适合跨节点复杂聚合的长时间批处理或超大 join 场景。
6. 【关键点 1】Coordinator 负责查询解析和任务调度，Worker 负责并行执行和数据处理。
7. 【关键点 2】查询拆分为 Stage 和 Task，每个 Task 处理独立数据分片，实现水平扩展。
8. 【关键点 3】流水线式数据传输和并行执行降低了查询延迟。
9. 【关键点 4】动态过滤和谓词下推等优化减少数据扫描量。
10. 【易错点 1】Presto 并不保证数据写入或修改的一致性，定位是查询引擎而非事务数据库，不能与 OLTP 混用。
11. 【易错点 2】对于数据倾斜或超大 group by 场景，需配置自定义内存或调整参数，否则可能导致内存溢出或查询失败。
12. 【易错点 3】不要误以为 Presto 适合所有 ETL 批处理，其设计更偏向低延迟交互式分析，长时间复杂查询效率可能不如专用批处理引擎。