presto sql优化

distinct 与approx_distinct
distinct这种操作会把所有计算集中在一个节点上，速度慢可想而知；如果不是精准计算的话可以考虑使用approx_distinct(x)代替count(distinct x),速度能够提升不少，但缺点是approx_distinct有2-3%的误差(官方给出，但有次数据测试误差达到6-7%，这个还和数据整体分布有关)，如果没办法接受这个误差，同时又需要精准计算可以考虑使用group count代替，性能和approx_distinct方式差不多，主要是相对麻烦点，例子如下

join
大小表关联
hive是将小表放在前边，而presto恰恰相反；hive会将小表广播到各个节点进行mapside join；而presto则是将左侧大表拆分到各个节点，然后将整个右表数据发送到大表各个节点上进行join，这点要特别注意；

左右表都比较大
修改配置distributed-joins-enabled (presto version >=0.196)
在每次查询开始使用distributed_join的session选项

-- set session distributed_join = 'true'
SELECT * FROM large_table, large_table1  WHERE large_table1.id = large_table.id

join前，会将两个表hash value值相同的关联主键，发送到同一个节点

(持续更新)