�ݺ�ߣ

Presto User & Admin Guide
Presto 0.197 User & Admin Guide
한정필
filfal2001@gmail.com

1. Presto 개요
2. Presto Architecture
3. In-Memory Processing – Hive vs Presto
4. Query Processing
5. Query Execution
6. Presto 사용
7. 참고자료
Contents

Presto 개요
“Distributed SQL Query Engine for Big Data”
 Presto는 대용량 데이터 분석 요구를 위해 Facebook에서 시작된 프로젝트로 2013년 11월 7일 아파
치 라이선스로 공개되었습니다.
 분산 병렬 SQL 엔진으로 interactive Query를 위하여 디자인 되었으며 Storage Layer는 존재하지
않고 Query를 위한 Engine으로만 구성되어 있으며 표준 ANSI SQL을 지원합니다.
 MPP(Massive Parallel Processing) 와 유사한 처리 방식인 Pipelined Execution Model 방식으로
Query를 처리하며 Storage Layer가 없는 대신 Source Data(Hive, HDFS or etc)에 직접 접근하여
데이터를 가지고 올 수 있도록 디자인 되어있고 이를 위해 다양한 Connector들을 제공합니다.
2

Architecture – Coordinator & Worker
Presto는 Coordinator와 Worker로 구성되어 있으며 각각 아래와 같은 역할을 담당합니다.
Coordinator
• Coordinator는 Query Parsing, Query Planning 및 Worker Node 관리를 담당합니다. 또한,
Client가 Query를 수행하기 위해 연결하는 Node입니다. 모든 Presto 설치에는 하나 이상의
Worker와 Coordinator가 있어야 합니다.
• Coordinator는 Worker에서 작업 수행이 완료되면 Worker로 부터 최종 결과를 가져와서 Client
에 반환합니다.
Worker
• Worker는 작업 실행 및 데이터 처리를 담당하는 Node 입니다. Worker는 Connector를 통하여
데이터를 가져오고 중간 데이터를 서로 교환하면서 작업을 처리하게 됩니다.
• Worker Node가 실행되면 Coordinator의 Discovery Server에 자신이 실행되었음을 알리고
Coordinator에서 작업을 받을 수 있는 상태가 됩니다.
3

Architecture – Connector
• Presto는 Connector 를 통해 여러 Data Source에 접근하여 데이터를 가져와 단일 쿼
리에서 분석이 가능합니다. 제공하는 Connector는 아래와 같습니다.
 Accumulo
 Black Hole
 Cassandra
 Hive
 JMX
 Kafka
 Local file
 MongoDB
 MySQL
 PostgreSQL
 Redis
 Amazon Redshift
 MS SQL Server
 Thrift
4

In-Memory Processing – Hive vs Presto
Hive vs Presto의 처리 비교
• Hive는 각 단계별 결과를 Disk로 Spill하여 단계별로 Disk에 Read/Write하여 처리하는 방식
• Presto는 각 단계별 결과를 pipeline을 통해 memory-to-memory로 전달하여 처리하는 방식
5

In-Memory Processing – Hive vs Presto
Hive와 Presto 처리 방식에 따른 Query 수행 가이드는 아래와 같이 정리할 수 있습니다.
Hive(Data warehouse)
• 대용량 데이터에 대한 batch 처리에 적합
• 대용량 JOIN, Aggregation, 정렬, count 수행하는 경우
• 쿼리에 대한 내결함성(fault tolerance) 필요한 경우
 ETL작업, 수 시간 이상 Long time 쿼리, 쿼리가 Fault tolerance를 지원해야 하는 경우
Presto(Distributed Query Engine)
• 빠른 응답이 필요한 ad-hoc Query
• 빠른 응답을 가지는 대신 쿼리에 대한 내결함성 기능(No fault tolerance) 없음
• 대용량 count, distinct, union, order by 수행 제약 - 메모리 만으로 처리할 수 있는 한계 (Disk
Spill 옵션을 통해 메모리 Over하는 데이터도 처리 가능하나 성능 감소함)
 In-Memory에서 처리 가능한 데이터 사이즈의 Simple Query 수행하는 경우
6

Query Processing
Presto에서 Query는 다음과 같은 실행 흐름으로 처리됩니다.
① (Worker) Worker는 Coordinator의 Discovery Service에 자신이 실행되었음을 알립니다.
② (Client) Client는 Coordinator에 Query를 제출하며 실행을 요청합니다.
③ (Coordinator) Coordinator는 요청 받은 Query에 대하여 Parsing/Analyzing -> Planning -> Scheduling 과정을 수행합니다.
④ (Coordinator) Coordinator는 Query에 대해 생성된 Task를 Worker에 전달합니다. 이때, Worker에서 실행되는 task를 추적하
여 task가 실패하는지 감시합니다.
⑤ (Worker) Worker는 전달받은 Task의 실행을 위해 Connector를 통해 Data Source에서 Data를 읽어옵니다.
⑥ (Worker) Worker들은 Task의 결과를 Pipeline Execution을 통해 주고 받으며 Query를 수행하며 최종 결과를 Coordinator로
전달합니다.
⑦ (Coordinator) Coordinator는 Worker로부터 Query에 대한 최종 결과를 받아오며 이를 Client에 전달합니다.
1
2 4
3
5
6
7

Query Execution - 1
Coordinator는 요청 받은 Query의 SQL과 함께 Connector를 통하여 받은 Metadata를
가지고 Logical Query plan을 1차적으로 생성합니다.
Coordinator는 다시 생성된 Logical Query plan을 분산 수행이 가능하도록
Distributed Query plan으로 변환하여 생성합니다.
8

Query Execution - 2
생성된 Query Plan은 Worker Node의 개수에 따라 분산 수행이 가능하도록
Distributed Query plan으로 변환하여 각각의 Worker Node에 전달됩니다.
Distributed Query Plan의 각 단계는 Stage라고 칭하며 Stage는 트리 형태의 계층적
구조로 생성됩니다. 가장 마지막 최종 결과를 종합하는 Stage를 Root Stage라고 합니
다.
9

Query Execution - 3
하나의 Stage는 각각의 Worker Node에서 여러 개의 Task로 실행됩니다. Worker
Node는 하나의 Stage에 대해서 하나의 Task를 할당 받게 됩니다. 이렇게 하나의 Stage
는 각각의 Worker Node에서 Task 단위로 병렬 수행되게 됩니다.
각 Task는 여러 개의 Operator로 나누어 집니다. 여기서 Operator는 Filter, Projection,
Table Scan, Aggregation, Join 같은 작업 단위입니다.
10

Query Execution - 4
각각의 Task는 하나 이상의 Split을 가지게 됩니다. Split은 Data의 Partition으로
Connector를 통해서 Data Source에서 가져오거나 직전의 완료된 Stage의 Task에서
Pipeline execution을 통해 가져오게 되는데 이러한 Stage간의 Data 전달 과정을
Exchange라고 합니다.
11

Query Execution - 5
전체 Query 실행 과정을 간단히 요약하면 아래와 같이 정리할 수 있습니다.
① 첫 번째 Stage의 Task에서 Connector를 통해 데이터를 읽어와 Split을 생성
② Task는 Split을 여러 개의 Operator로 나누어 처리
③ Task는 실행이 완료된 뒤 다음 Stage의 Split으로 데이터를 Exchange
④ Query의 최종 결과는 Root Stage에서 종합되어 Client에 전달
12

Query Execution - 6
Query Plan in Presto Web UI
Presto Web UI에서는 실행된 쿼리에
대한 history 기능을 제공하며 실행된 쿼
리에 대한 Plan 정보를 Graphical 하게
볼 수 있습니다.
Query Plan은 EXPLAIN 명령어를 통해
text 형태로도 출력 가능합니다.
13

데이터 유형(Data Types)(1/2)
Groups Type Description Examples
Boolean BOOLEAN true 또는 false의 값 .
Integer
TINYINT
최소값 -2^7과 최대값 2^7 - 1을 갖는 8 비트 부호
있는 2의 보수 .
SMALLINT
최소값 -2^15과 최대값 2^15 - 1을 갖는 16 비트
부호있는 2의 보수.
INTEGER
최소값 -2^31과 최대 값 2^31 - 1을 갖는 32 비트
부호있는 2의 보수.( INT도 사용가능.)
BIGINT
최소값 -2^63과 최대값 2^63 - 1을 갖는 64 비트
부호있는 2의 보수 .
Floating-Point
REAL
실수는 2 진 부동 소수점 산술을 위한 IEEE 표준 754
를 구현하는 32 비트. (4 Byte 단정도 부동 소수점)
DOUBLE
double은 이진 부동 소수점 산술을 위한 IEEE 표준
754를 구현하는 64 비트 (8 Byte배정도 부동 소수점)
Fixed-Precision DECIMAL
고정 정밀도 10 진수. 38 자리까지의 정밀도가 지원
되지만 성능은 최대 18 자리까지 가능.
String
VARCHAR 선택적 최대 길이를 갖는 가변 길이. 문자 데이터.
CHAR 고정 길이 문자 데이터
VARBINARY 가변 길이 2 진 데이터.
JSON
JSON 오브젝트하는 JSON 어레이, JSON 번호,
JSON 문자열 일 수 JSON 값 유형 true, false또
는 null.
Presto 사용 – 데이터 유형
14

데이터 유형(Data Types)(2/2)
Groups Type Description Examples
Date and Time
DATE 달력 날짜 (년, 월, 일). 예: DATE '2001-08-22'
TIME TIME ZONE이 없는 시간 (시, 분, 초, 밀리 초). 예: TIME '01:02:03.456'
TIME WITH TIME ZONE TIME ZONE이 있는 시간 (시, 분, 초, 밀리 초).
예: TIME '01:02:03.456 America
/Los_Angeles'
TIMESTAMP
TIME ZONE이 없이 시간과 날짜가 포함 된 인스턴
트.
예: TIMESTAMP '2001-08-22 03
:04:05.321'
TIMESTAMP WITH TIM
E ZONE
TIME ZONE이 있는 날짜와 시간이 포함 된 인스턴
트.
예: TIMESTAMP '2001-08-22 03
:04:05.321 America/Los_Angele
s'
INTERVAL YEAR TO MO
NTH
년과 달의 범위. 예: INTERVAL '3' MONTH
INTERVAL DAY TO SEC
OND
일, 시간, 분, 초 및 밀리 초의 범위. 예: INTERVAL '2' DAY
Structural
ARRAY 지정된 컴퍼넌트 형의 배열. 예: ARRAY[1, 2, 3]
MAP 지정된 컴퍼넌트 형을 나타내는 MAP.
예: MAP(ARRAY['foo', 'bar'], AR
RAY[1, 2])
ROW
명명 된 필드로 구성된 구조. 필드는 임의의 SQL
형을 가질 수있어, 필드 참조 연산자를 사용해 액세
스 할 수 있음.
예: CAST(ROW(1, 2.0) AS ROW(
x BIGINT, y DOUBLE))
Network Address IPADDRESS IPv4 또는 IPv6 주소를 나타낼 수있는 IP 주소.
예 : ,IPADDRESS '10.0.0.1'IPAD
DRESS '2001:db8::1'
HyperLogLog
HyperLogLog HyperLogLog 스케치로 효율적인 계산이 가능.
P4HyperLogLog
P4HyperLogLog 스케치 유사,하지만 조밀 한 표현
에서 사용.
Quantile Digest QDigest
Quantile 다이제스트 (qdigest)는 주어진 입력 세트
에 대한 대략적인 데이터 분포를 포착하는 요약 구
조
Presto 사용 – 데이터 유형
15

SQL Statement Syntax (1/3)
 생성/변경
Syntax Description Synopsis Examples
CREATE
새로운 스키마,
테이블 등을
생성합니다.
CREATE SCHEMA [ IF NOT EXISTS ] schema_name
[ WITH ( property_name = expression [, ...] )
CREATE SCHEMA IF NOT EXISTS
orders;
CREATE TABLE [ IF NOT EXISTS ]
table_name (
{ column_name data_type [ COMMENT comment ]
[ WITH ( property_name = expression [, ...] ) ]
| LIKE existing_table_name [ { INCLUDING |
EXCLUDING } PROPERTIES ] }
[, ...]
)
[ COMMENT table_comment ]
[ WITH ( property_name = expression [, ...] ) ]
CREATE TABLE IF NOT EXISTS orders (
orderkey bigint,
orderstatus varchar,
totalprice double COMMENT 'Price in
cents.',
orderdate date
)
COMMENT 'A table to keep track of
orders.'
ALTER
Definition을
변경합니다.
ALTER TABLE name RENAME TO new_name
ALTER TABLE name ADD COLUMN column_name data_
type [ COMMENT comment ] [ WITH ( property_name
= expression [, ...] ) ]
ALTER TABLE name RENAME TO
new_name
ALTER TABLE name ADD COLUMN
column_name orderkey bigint
ALTER TABLE name DROP COLUMN
column_name
ALTER TABLE name RENAME
COLUMN column_name TO
new_column_name
Presto 사용 – SQL Syntax
16

 조회/등록/변경/삭제
INSERT
Table에 새로운 데아터를
1행 등록합니다.
INSERT INTO table_name [ ( column [, ... ] ) ] que
ry
INSERT INTO nation (nationkey, n
ame, regionkey, comment)
VALUES (26, 'POLAND', 3, 'no co
mment');
SELECT
조건에 맞는 데이터를 조
회합니다.
[ WITH with_query [, ...] ]
SELECT [ ALL | DISTINCT ] select_expr [, ...]
[ FROM from_item [, ...] ]
[ WHERE condition ]
[ GROUP BY [ ALL | DISTINCT ] grouping_element
[, ...] ]
[ HAVING condition]
[ { UNION | INTERSECT | EXCEPT } [ ALL | DISTIN
CT ] select ]
[ ORDER BY expression [ ASC | DESC ] [, ...] ]
[ LIMIT [ count | ALL ] ]
SELECT origin_state, NULL, NULL,
sum(package_weight)
FROM shipping
GROUP BY origin_state
DROP
schema/table/view 등을
삭제합니다
DROP SCHEMA [ IF EXISTS ] schema_name
DROP TABLE [ IF EXISTS ] table_name
DROP VIEW [ IF EXISTS ] view_name
DROP TABLE sales
DROP TABLE IF EXISTS tb_date
DROP VIEW IF EXISTS vtb_date
DELETE
Table에 데이터를 삭제합
니다.(파티션 컬럼만 삭제
가능.)
DELETE FROM table_name [ WHERE condition ]
DELETE FROM lineitem
WHERE orderkey IN (SELECT ord
erkey FROM orders WHERE priori
ty = 'LOW');
17

기타
COMMIT
최신의 transaction을
COMMIT합니다.
COMMIT [ WORK ] COMMIT;
EXPLAIN
명령문의 논리적 또는 분
산 실행 계획을 표시하거
나 명령문의 유효성을 검
사합니다.
EXPLAIN [ ( option [, ...] ) ] statement
where option can be one of:
FORMAT { TEXT | GRAPH+D8+B7:C7+A
7:C7
- EXPLAIN SELECT regionkey, count(*) F
ROM nation GROUP BY 1;
- EXPLAIN (TYPE DISTRIBUTED) SELEC
T regionkey, count(*) FROM nation GRO
UP BY 1;
18

- Logical Operators
논리연산자를 제공합니다.
- Comparison Functions and
Operators
비교연산자를 제공합니다.
유용한 함수들(Functions)(1/5)
- Range Operator: BETWEEN
Operators 테스트 값이 특정 범위 내에 있는 경우 함
수를 제공합니다.
- IS NULL and IS NOT NULL
값이 NULL(미정의)인지 여부 확인함수를 제공한다.
- Conditional Expressions
조건문을 제공한다.
SELECT 3 BETWEEN 2 AND 6;
SELECT 3 NOT BETWEEN 2 AND 6;
SELECT 3.0 IS NULL; -- false
SELECT a, CASE a WHEN 1 THEN 'one' WHEN 2 THEN 'two' ELSE
'many' END
if( 조건 , true_value , false_value )
조건이 참이면 true_value, 거짓이면 false_value을 반환합니다.
Presto 사용 - Functions
19

- Mathematical Operators
수학함수를 제공합니다.
- Comparison Functions and
Operatorsabs( x ) → [입력과 동일]. x의 절대 값을 반환합니다 .
cbrt( x ) → 두배, x의 큐브 루트를 반환합니다 .
ceil( x ) → [입력과 동일], ceiling()과 동일.
ceiling( x ) → [입력과 동일], 반환 x값은 가장 가까운 정수로 반올림됩니다
cosine_similarity( x , y ) → double, 스파 스 벡터 x와 y다음 과 같은 코사인 유사성을 반환합니다 .
floor( x ) → [입력과 동일] / 반환 값은 x가장 가까운 정수로 내림니다.
random( ) → double / 0.0 <= x <1.0의 범위의 의사 난수 치를 돌려줍니다.
round( x , d ) → [입력과 동일] / x로 반올림 d소수점 이하 자릿수를 반환합니다.
20

- Mathematical Operators
문자열 함수를 제공합니다.
concat( string1 , ... , stringN ) → varchar / 이 함수는 SQL 표준 연결 연산자 ( ||) 와 동일한 기능을 제공합니다 .
length( 문자열 ) → bigint / string문자 의 길이를 돌려 줍니다.
lower( 문자열 ) → varchar / string소문자로 변환 합니다.
lpad( string , size , padstring ) → varchar / 만약 string의 문자열의 길이가 size보다 작은 경우 오른쪽 부터 padstring
문자로 size만큼 채워집니다.
trim( 문자열 ) → varchar / 공백을 제거합니다.
replace( 문자열 , searchfrom , replace ) → varchar / 문자열에서 searchfrom 와 동일한 단어를 찾아 replace 로 문자
를 변환 합니다.
split( 문자열 , 구분 기호 ) → 배열 <varchar> / 문자열에서 delimiter로구분하여 배열을 반환합니다.
substr( 문자열 , 시작 ) → varchar / 문자열의 시작 위치에서부터 나머지 부분을 반환합니다
substr( 문자열 , 시작 , 길이 ) → varchar / 문자열에서 시작 위치부터 길이까지의 문자열을 반환합니다 .
upper( 문자열 ) → varchar / 대문자로 변환 합니다.
21

- Unicode Operators
유니코드 함수를 제공합니다.
- Regular Expression Functions
모든 정규식 함수 는 몇 가지 예외를 제외 하고 Java 패턴 구문을 사용합니다 .
to_utf8( 문자열 ) → varbinary / 문자얄을 UTF-8 varbinary 표현으로 인코딩합니다 .
From_utf8( 바이너리 ) → varchar / 바이너리 에서 UTF-8로 인코딩 된 문자열을 디코딩합니다.
from_utf8( 바이너리 , 바꾸기 ) → varchar / 바이너리에서 UTF-8로 인코딩 된 문자열을 디코딩합니다 .
regexp_extract( 문자열 , 패턴 ) → varchar / 정규 표현식을 사용하여 패턴에 맞는 첫번째 문자열 반환합니다.
regexp_like( 문자열 , 패턴 ) → boolean / 문자열에 그 정규 표현식 pattern이 포함되어 있는지 확인합니다 .
regexp_replace( 문자열 , 패턴 , 대체) → varchar / 정규 표현식을 사용하여 pattern에 맞는 문자열을 대체로 변경합니다.
regexp_split( 문자열 , 패턴 ) → 배열 <varchar> / 정규 표현식을 사용하여 pattern를 구분자로 분할하여 배열을 반환합니다.
22

- Aggregate Functions
일련의 값에 대해 작업하여 단일 결과를 계산하는 집계 함수를 제공합니다.
- Lambda
람다 식은 ->로 표현합니다. SELECT filter(ARRAY [5, -6, NULL, 7], x -> x > 0); -- [5, 7]
- GeoSpatial
Presto 지리 공간 함수는 WKT (Well-Known Text) 형식의 공간 객체를 지원합니다.
- URL
URL 추출 함수는 HTTP URL (또는 RFC 2396 을 준수하는 유효한 URI )이 지원됩니다.
- JSON
데이러를 JSON형식으로 형변환이 가능하며 JSON 형식의 데이터를 다루는 함수를 지원합니다json_array_length( json ) → bigint / JSON 배열을 포함하는 문자열 의 배열 길이를 반환합니다 .
json_extract( json , json_path ) → json / JSON 배열에서 json_path 와 유사한 표현식을 JSON 문자열로 반환합니다.
json_format( json ) → varchar / 입력 된 JSON 값에서 직렬화 된 JSON 텍스트를 반환합니다.
23

- 필요한 columns만 지정하여 명시.
SELECT * FROM TB; (X)  SELECT a,b FROM TB; (O)
- GROUP BY 내에서 cardinality 고려.
SELECT GROUP BY gender, age; (X)  SELECT GROUP BY age, gender ; (O)
- ORDER BY와 함께 LIMIT 사용
SELECT col FROM tbl ORDER BY time ; (X)  SELECT col FROM tbl ORDER BY time LIMIT 100 ; (O)
- 근사 집계 함수(approximate aggregate functions) 사용
SELECT distinct(user_id) FROM (X)  SELECT approx_distinct user_id FROM; (O)
- 다건의 LIKE 절은 단일 regexp_like 절로 변경.
WHERE method LIKE ‘%GET%’ OR method LIKE ‘%POST%’ (X)  WHERE regex_like(method, ‘GET|POST’) (O)
- JOIN 절에서는 큰 테이블을 먼저 지정
FROM small s, large l where l.id=s.id (X)  FROM large l, small s where l.id=s.id (O)
- TOP N행의 레코드를 사용시 ROW_NUMBER 대신 RANK 함수를 사용.
튜닝을 통한 성능향상(SQL)
Presto 사용 - tuning
24

• distributed join
 Join Key로 hash하여 partitioning
 상대적으로 느리지만, 대용량 처리
• broadcast join
 Join의 오른쪽 테이블을 각 Worker로 복제
 상대적으로 빠르지만, 대용량 처리 불가
튜닝을 통한 성능향상(JOIN)
SET SESSION distributed_join = true;
Hash distributed join을 허용할 것인지에 대한 여부를 Session Level로 지정 가능합니다. Hash
distributed join은 더 큰 Join을 수행할 수 있지만 Broadcast join보다 속도가 느려질 수 있습니다.
Session에서 아래와 같이 설정할 수 있습니다. 기본 설정은 true 입니다.
25

redistribute_writes (default : true)
Presto를 통하여 write 작업을 수행하기 이전에 데이터를 재분배하여 Skew로 인해
발생하는 성능 저하를 방지하기 위한 목적. 다만 데이터가 클 경우 데이터 재분배 및
Hashing 작업으로 인하여 클러스터 상에 Overhead 발생할 수 있음.
optimize_hash_generation (default : true)
쿼리 수행 전 Join 및 Aggregation에 사용할 hash 값을 계산할지에 대한 여부
쿼리 수행 중 동일한 Hash 값 계산을 하지 않아도 되므로 CPU 사용량이 줄어들지만
Hash 값이 전체 Stage에서 중복되어 전송되기 때문에 Network에 대한 비용 증가
push_aggregation_through_join (default : true)
Scala sub query 수행 시 sub query에서 수행되는 aggregation을 바깥쪽으로 옮겨서
수행하도록 Query Plan 생성.
push_table_write_through_union (default : true)
UNION ALL 절을 분산처리 할 것인지에 대한 여부. UNION ALL 절 수행 시 성능이
향상되지만 클러스터 로드가 증가하여 로드가 큰 클러스터에는 적합하지 않음.
* 모든 Session level property들은 아래와 같이 적용 가능합니다.
튜닝을 통한 성능향상(Configuration) (1/2)
set session 명령어를 통하여 Query 단위로 설정 가능한 property
26

task_concurrency (default : 16)
JOIN 및 Aggregation 같은 병렬 연산이 필요한 경우의 local concurrency를 지정.
이 값을 낮게 설정하는 경우 클러스터에 대한 동시 쿼리 수행능력이 향상 되지만
context switching 및 기타 오버헤드로 인하여 클러스터 성능이 감소될 수 있음.
클러스터에서 작은 수의 쿼리만 수행되는 경우 값이 높을수록 클러스터 성능 향상.
task_writer_count (default : 1)
Worker에서 Query 당 할당되는 Write thread의 개수를 지정.
Write thread에 CPU를 추가 할당할 수 있는 경우 Write가 빨라질 수 있지만
압축 또는 기타 요인으로 인해 일부 Connector에서는 병목 현상이 일어날 수 있음.
* 모든 Session level property들은 아래와 같이 적용 가능합니다.
튜닝을 통한 성능향상(Configuration) (2/2)
set session 명령어를 통하여 Query 단위로 설정 가능한 property
27

참고
 위의 문서는 Presto 0.197 버전을 기준으로 공식사이트를 참고하여 작성하였습니다.
 더 자세한 정보는 아래 Presto 공식사이트에서 제공합니다.
Presto | Distributed SQL Query Engine for Big Data :
https://prestodb.io/
GitHub - prestodb/presto: Distributed SQL query engine for big data :
https://github.com/prestodb/presto
28

�ݺ�ߣ

Presto User & Admin Guide

More Related Content

Presto User & Admin Guide