[1]-Concepts
原文：https://prestodb.io/docs/current/overview/concepts.html
其他参考：https://www.cnblogs.com/sorco/p/7060166.html
Server Types
两种类型：coordinators、 workers.
Coordinator
主要负责：parsing statements, planning queries, managing Presto worker nodes.
作为Presto核心，client连接coordinator，向coordinator提交执行所需的statements
Presto的部署中一定有一个coordinator，同时再附属一个或多个worker。如果是开发或者测试单个Presto实例可以同时以coordinator和worker两种角色服务
跟踪worker的状态，协调query的执行。
将query构建以stages为单元的逻辑执行模型，然后以tasks的形式分发到workers中执行
Worker
负责执行task，处理数据。Worker nodes从connectors中拉取数据，内部间交换exchange数据。coordinator从workers中拉取结果返回给client
Worker执行开始后，将自己注册到coordinator的discovery server中，discovery server告知coordinator该worker可用于执行task
Data Sources
Connector
实现 Presto’s SPI ，使得Presto可以用标准的API和数据源连接，类似于数据库的driver。内部有很多自建connectors
每个catalog和一个特定的connector关联，观察catalog configuration文件会发现都会有一个强制参数connector.name ，用于catalog manager为给定的catalog建立connector。多个catalog使用同一个connector连接相似数据集库的两个不同实体是允许的。例如：有两个hvie 集群，配置两个catalog，共同使用一个Hive connector，使我们可以从这两个hvie集群中查询数据。
Catalog
包含schemas，通过connector标识一个数据源。
在Presto中定位一张表，一般是catalog为根，例如：一张表的全称为 hive.test_data.test，标识 hive catalog下的 test_data schema中test表。可以简理解为：数据源的大类.数据库.数据表
Catalogs 在Presto配置文件目录下的properties files中定义
Schema
Schemas用于组织表（相当于数据库名），一个catalog和一个schema定义一组用于查询的tables
Table
数据表
Query Execution Model
Statement
SQL语句
Query
Presto 解析statement，将它转换为一个query，建立分布式的执行计划query plan ，然后query plan以一系列相互关联的运行于workers中的stages实现。query包含 stages, tasks, splits, connectors, 其他元素 、数据源等
Stage
query被分为层次结构的stages，一般是个tree，例如对billion rows聚合，一个root stage 对其他多个部署式查询的stage的结果进行聚合，stages树来描述一个分布式query，自身不在worker中执行
Task
如上所述，stage是分布式查询计划的模型组成成分，本身不在worker上执行。一个stage 是一系列分布在workers中的tasks的一个实现体，tasks是stage的组成元素，可以在work上并行执行。
Split
spits是一个大数据集的sections，tasks作用于splits。stage是分层继承的，其中执行计划中低层的stages，从connectors中通过splits获取数据，中间层的stages从其他stages中获取数据。
Driver
Tasks包含一个或多个并行的drivers，Drivers作用于数据，组合operators，来生产数据，产生的数据被task聚合，然后传递给下一个stage的另一个task，driver是operators实例的有序集合，可以看做是内存中operators物理集合，是Presto架构中最底层的并行层
Operator
operator 消费、传输、生产数据。例如：table scan通过connector从表中拉取数据，然后被其他operators消费，a filter operator对数据过滤
Exchange
Exchanges为不同stages在不同节点间传输数据，Tasks将产生的数据存在缓存中，利用exchange client从其他task中消费数据
架构图
查询流程