在Presto查询引擎中，采用Parquet或ORC这类列式存储格式，具体通过哪些机制来提升查询执行效率？

回答思路

1. 【回答框架 1】列式存储的核心优势在于按列读取数据，Presto只需访问查询涉及的列，大幅减少I/O和内存占用。Parquet和ORC均采用列组和压缩编码，如字典编码、游程编码，降低数据体积，提升扫描效率。
2. 【回答框架 2】Presto的谓词下推机制（如过滤条件下推到存储层）与列式存储的统计信息（min/max、布隆过滤器）结合，可跳过不符合条件的数据块，显著减少扫描范围，尤其在分区裁剪后效果更明显。
3. 【回答框架 3】列式存储利于向量化执行，Presto对列数据按批处理，减少函数调用开销，提升CPU缓存利用率。ORC的复杂类型（如struct、map）存储优化和Parquet的嵌套数据扁平化处理，也减少了反序列化成本。
4. 【回答框架 4】实际调优中，需关注文件大小与分区策略，避免小文件过多，影响列块统计效率。Presto通过选择列式格式、设置合适的压缩算法（如ZSTD、Snappy），可获得数倍到十倍的查询速度提升，但需结合查询特性验证。
5. 【回答框架 5】不同格式的差异：ORC在某些场景下支持更高效的索引（如布隆过滤器），Parquet在跨生态（如Spark、Hive）互操作性更优。Presto对两者均支持谓词下推，但具体收益取决于数据分布和查询选择性。
6. 【关键点 1】列式存储减少I/O：仅读取所需列，帕累托优化数据加载。
7. 【关键点 2】谓词下推和统计信息跳过数据块，减少扫描量。
8. 【关键点 3】向量化执行提升CPU效率，降低函数调用开销。
9. 【关键点 4】压缩和编码（字典、游程）减小数据体积，提高网络传输效率。
10. 【关键点 5】文件大小和分区设计影响列式存储优势的发挥，需调优。
11. 【易错点 1】不能简单认为列式存储必然更快，若查询涉及全列或大量小文件，收益可能减小。
12. 【易错点 2】谓词下推依赖存储层统计信息，若未启用或数据更新频繁，可能导致统计过期，跳过判断失效。
13. 【易错点 3】压缩和解压也有CPU开销，高压缩率（如ZSTD高等级）可能降低查询速度，需平衡压缩比与解压成本。