1. 數倉環境

2. 分頁查詢

所有的計算時間都以秒為單位，執行的SQL語句如下：

select * from mydb where year='2018' and month='09' and day='09' and remote_addr='117.136.68.11' and host like '%poi%'  limit 10;

另外，我注意到Presto自帶分頁功能，所以在執行查詢命令時感覺更快，幾乎就是剛輸入命令，結果就呈現出來了，互動性領先。

3. 全量結果

相對於分頁查詢，這次去掉了limit限制，以及增加了計數查詢，如下：

#   測試1
select * from mydb where year='2018' and month='09' and day='09' and remote_addr='117.136.68.11' and host like '%poi%'
 
;
#   測試2
select count(*) from mydb where year='2018' and month='09' and day='09' and remote_addr='117.136.68.11' and host like '%poi%';

執行結果，如下表所示：

4. 其他

相比於Spark SQL，Presto有著更快的啟動時間。

相比於Presto，Spark SQL更容易指定執行節點的數量，速度提升更容易，下表是Spark SQL節點數量的速度變化情況。

 spark-sql --num-executors 10
 

從上表可以看出，Spark SQL所需的執行節點應儘可能與分割槽數量相等(正在做進一步詳盡的測試，請稍等)，再多也只是資源浪費。

跟Presto相比，Spark SQL即使在執行節點數量相等時(10個)，Spark SQL的速度也大幅領先。

5. 結論

在執行分頁查詢時，Presto具有明顯的優勢，但需要全量資料與統計時，Spark SQL則將Presto遠遠甩在身後。