在Presto中，数据倾斜问题通常如何被处理？请列举并说明几种常见的解决策略。

回答思路

1. 【回答框架 1】数据倾斜在Presto中表现为某些节点处理的数据量远大于其他节点，导致整体查询性能下降。常见原因包括join键分布不均、group by键值集中等。
2. 【回答框架 2】解决join倾斜：使用skew join优化，Presto会自动检测并处理部分倾斜，或手动将大表拆分为小片并广播，或使用随机前缀打散键值后再join。
3. 【回答框架 3】解决group by倾斜：采用两阶段聚合，先对倾斜键进行局部聚合，再全局聚合；或对倾斜键加随机后缀进行分桶处理。
4. 【回答框架 4】其他方案：调整并行度、使用rebalance操作、优化数据存储布局（如分区、分桶）以减少倾斜发生。
5. 【回答框架 5】实际应用中需结合具体查询和数据分布，通过explain分析执行计划，定位倾斜节点并针对性优化。
6. 【关键点 1】skew join和两阶段聚合是核心优化手段。
7. 【关键点 2】随机前缀打散键值可有效缓解join倾斜。
8. 【关键点 3】通过explain分析执行计划定位倾斜节点。
9. 【关键点 4】数据存储布局优化可预防倾斜。
10. 【易错点 1】不能仅依赖自动优化，需手动干预复杂场景。
11. 【易错点 2】随机前缀可能增加数据量，需权衡。
12. 【易错点 3】过度调整并行度可能导致资源浪费。