Presto 让 Facebook 的分析师能在 PB 级数据上进行交互式 SQL 查询

Facebook 的数据仓库当时运行在 Hadoop 上的 Hive 上，一次典型查询可能要花几个小时：批处理没问题，但对需要反复试错的分析师来说毫无用处。2012 年，由 Martin Traverso 等人领导的团队开始构建 Presto，这是一个分布式 SQL 引擎，专为针对同一数据仓库的交互式查询而设计。

Presto 的设计绕开了 MapReduce 那种“落盘再读盘”的来回。协调器负责规划查询，并以流式方式将查询任务分发到一棵工作节点树上，树上的内存操作符处理数据，这些数据通过连接器 API 直接从数据源读取：如今支持 HDFS 和 S3，通过同一接口还可访问关系型数据库和 NoSQL 系统，甚至能在一个查询中同时访问多个系统。代码生成和向量化执行让每行处理的 CPU 开销保持在低水平。

2013 年在 Facebook 上线后，Presto 逐渐支撑起面向用户的分析工具、仪表盘和 A/B 测试基础设施，截至 2018 年底，每天处理数百 PB 数据和千万亿行数据，集群包含数千个工作节点。