presto中join条件应优先放on子句（尤其外连接），where条件用于最终过滤；小表过滤宜用显式join而非in子查询；group by高基数字段置前可防数据倾斜；cte默认不物化，需结合数据量与内存谨慎使用。
WHERE 条件写在 JOIN 里还是外面？
Presto 的执行计划对 JOIN 和 WHERE 的位置极其敏感。把过滤条件放在 ON 子句里（尤其是外连接）可能让结果变错，而放在 WHERE 里又可能拖慢速度——因为 Presto 会先完成 JOIN 再过滤。
- 外连接（
LEFT JOIN）时，ON 中的条件只影响右表匹配逻辑；WHERE 中的条件会对整个结果行过滤，可能把左表本该保留的 NULL 行干掉
- 内连接（
INNER JOIN）下，ON 和 WHERE 效果等价，但 Presto 更倾向把 WHERE 下推到扫描阶段，实际更快
- 如果右表有高基数字段（比如
user_id），在 ON 里加额外条件（如 status = 'active'）能显著减少中间数据量
LEFT JOIN）时，ON 中的条件只影响右表匹配逻辑；WHERE 中的条件会对整个结果行过滤，可能把左表本该保留的 NULL 行干掉 INNER JOIN）下，ON 和 WHERE 效果等价，但 Presto 更倾向把 WHERE 下推到扫描阶段，实际更快 user_id），在 ON 里加额外条件（如 status = 'active'）能显著减少中间数据量 示例：
SELECT a.id, b.name FROM orders a LEFT JOIN users b ON a.user_id = b.id AND b.status = 'active' -- ✅ 减少右表参与 JOIN 的行数 WHERE a.dt = '2024-06-01'
用 IN 还是 JOIN 做维度表过滤？
当你要用一张小表（比如几十行的 region_map）去筛大表（比如上亿行的 events），别急着写 WHERE country_code IN (SELECT code FROM region_map)。
- Presto 对子查询
IN 支持有限，尤其嵌套深或子查询含聚合时，容易触发 Query exceeded distributed memory limit
- 更稳的方式是显式
JOIN + DISTINCT，让 Presto 能走 broadcast join（小表自动分发到所有 worker）
- 如果小表超过 1MB 或行数超 10 万，Presto 可能放弃 broadcast，转为 shuffle join——这时得手动加
/<em>+ BROADCAST(t) </em>/ 提示
IN 支持有限，尤其嵌套深或子查询含聚合时，容易触发 Query exceeded distributed memory limit JOIN + DISTINCT，让 Presto 能走 broadcast join（小表自动分发到所有 worker） /<em>+ BROADCAST(t) </em>/ 提示 要点：
- 小表必须真正“小”：单条记录别太宽，总大小控制在几百 KB 内
- 确保小表没重复键，否则
JOIN会放大结果行数 - 避免
IN (VALUES (...))超过 1000 项，Presto 解析会变慢
GROUP BY 字段顺序影响性能吗？
不影响正确性，但影响 shuffle 和内存使用。Presto 的 GROUP BY 实际依赖底层的 hash 分组机制，字段顺序决定 hash key 的构成方式。
- 把高基数字段（如
user_id）放前面，低基数字段（如 country）放后面，能让数据更均匀地分散到各 worker，避免 skew
- 反过来，如果先把
country 放第一位，所有中国用户全挤在一个 reducer 上，就容易触发 Query exceeded per-node memory limit
- 如果用了
GROUPING SETS，字段顺序还会影响最终结果集的排序稳定性（虽然 Presto 不保证默认顺序，但物理 layout 会变）
user_id）放前面，低基数字段（如 country）放后面，能让数据更均匀地分散到各 worker，避免 skew country 放第一位，所有中国用户全挤在一个 reducer 上，就容易触发 Query exceeded per-node memory limit GROUPING SETS，字段顺序还会影响最终结果集的排序稳定性（虽然 Presto 不保证默认顺序，但物理 layout 会变） 常见错误现象：
HiShop网店代理分销系统
下载
Hishop.5.2.BETA2版主要更新： [修改] 进一步优化了首页打开速度 [修改] 美化了默认模板 [修改] 优化系统架构,程序标签及SQL查询效率,访问系统页面的速度大大提高 [修改] 采用了HTML模板机制,实现了前台模板可视化编辑,降低模板制作与修改的难度. [修改] 全新更换前后台AJAX技术框架,提升了用户操作体验. 店铺管理 [新增] 整合TQ在线客服 [修改] 后台广告位增加
- 查询跑一半报
Exceeded memory limit，但看 profile 发现某个 worker 的 peak memory 是其他 worker 的 5 倍以上 - 加了
EXPLAIN (FORMAT JSON)后发现HashAggregationNode的groupingKeys顺序和直觉相反
CTE（WITH 子句）真能提升可读性？小心物化陷阱
Presto 默认不物化 CTE，也就是每个引用都会重新执行一遍。你以为写一次 WITH base AS (SELECT ...) SELECT * FROM base JOIN ... UNION ALL SELECT * FROM base JOIN ... 是省事，其实是翻倍扫描。
- 没有 hint 的 CTE 就是个语法糖，不是临时表
- 如果 CTE 结果不大（/+ WITH_DATA / 强制物化（Presto 350+ 版本支持）
- 但物化后会占用 worker 内存，多个并发查同一个 CTE 可能互相挤占资源
使用场景判断：
- CTE 里含昂贵计算（如
json_parse()、正则匹配）且被多次引用 → 值得物化 - CTE 只是简单
SELECT ... FROM large_table WHERE dt = 'xxx'→ 别物化，让 Presto 自己下推过滤更高效 - 用
EXPLAIN看执行计划，如果同一个TableScanNode出现两次，说明没复用
复杂点在于：物化与否不能只看代码写法，得结合数据量、集群内存配置、并发压力一起权衡。很多人调完 CTE 发现查询变慢，回头一看是物化吃光了内存，又没开 spill。
