presto有哪些优缺点？

1、没有容错性：不支持单个query内部执行容错（query 中包含多个 Task,如果某个Task 失败了，会导致整个Query 失败，而不会进行把 task 在移动到其他工作节点处理重试）
2、不支持事务：不是数据库，不进行数据存储，不支持在线事务
3、内存限制: 基于内存计算，当内存空间不足时，不会将一部分结果保存到磁盘上，直接就查询失败，不适合大表的join操作。虽然能够处理 PB 级别的海量数据分析，但不是代表 Presto 把 PB 级别都放在内存中计算的。而是根据场景，如 count，avg 等聚合运算，是边读数据边计算，再清内存，再读数据再计算，这种耗的内存并不高。但是连表查询，就可能产生大量的临时数据，因此速度会变慢，反而 Hive此时会更擅长。
4、并行限制：多个task 并行在worker节点进行计算，当其中一台worker计算缓慢，会让整个query流程效率变慢
5、并发限制：因为全内存操作+内存限制，能同时处理的数据量有限，因而导致并发能力不足。高并发支持不够，coordinator 容易成为瓶颈。
6、维护性：数据关联组件多、维护成本高。
7、查询性能：相较于doris、starrocks等MPP数据库，查询性能一般，无法满足业务方希望能快速获取数据的需求。
8、缺少 Bitmap 数据类型，在标签计算方面存在一些不足。

1、完全基于内存的并行计算
2、支持多种数据源接入，一条Presto查询可以将多个数据源的数据进行合并，可以跨越整个组织进行分析。
3、完全支持ANSI SQL标准，用户可以直接使用 ANSI SQL 进行数据查询和计算。
4、减少阶段间的等待时间，Mapreduce不支持DAG，maptask未完成，不能执行reduce，Presto采取管道式传输的方式，边清理内存，边计算。