在Presto中，数据分片机制通过哪些方式作用于查询执行流程，从而减少数据扫描量并加速查询？

回答思路

1. 【回答框架 1】Presto的数据分片（split）是查询并行化的基本单元，将表数据按分区或块拆分成多个独立可处理的分片，每个分片由单个worker处理，实现数据本地性与并行计算。
2. 【回答框架 2】分片通过协调器（coordinator）生成执行计划后，按分片元数据分发到各worker，worker间以流水线方式并行处理，减少网络传输和单个节点负载，提升整体吞吐。
3. 【回答框架 3】presto使用分区剪枝和谓词下推，仅读取满足过滤条件的分片，减少IO扫描量，同时利用列式存储（如ORC）和压缩进一步降低数据读取成本。
4. 【回答框架 4】分片大小和数量影响查询效率，过小增加调度开销，过大导致并行度不足；presto动态调整分片粒度，结合节点资源与数据分布实现负载均衡。
5. 【回答框架 5】最终加速来源于并行度提升、数据本地性优化和扫描量减少，但需配合内存管理和网络带宽，避免数据倾斜或worker过载。
6. 【关键点 1】分片是Presto并行处理的最小单位，实现跨节点分布式计算。
7. 【关键点 2】分区剪枝和谓词下推减少需读取的分片数量，降低IO。
8. 【关键点 3】列式存储与压缩减少数据扫描量，提升查询速度。
9. 【关键点 4】分片粒度影响调度开销与并行度，需动态平衡。
10. 【关键点 5】数据本地性减少网络传输，提升整体效率。
11. 【易错点 1】数据倾斜导致个别分片处理时间过长，拖慢整体查询。
12. 【易错点 2】分片过多增加调度和通信开销，反而降低效率。
13. 【易错点 3】仅依赖分片不能解决所有性能问题，需结合优化器与资源管理。