在調度任務時，有幾個決策點，第一：分配多少個任務，第二：每個任務分配到哪些機器上。
要回答這個問題，首先把計算任務做一下分類，在presto內部有4種計算類型的節點：
- source節點，讀源數據的節點，負責讀取數據、Map階段的計算任務。分配的個數由SplitManager根據數據決定。
- fixed節點，shuffle節點，用於處理reduce任務。比如group by計算，source階段的數據按照hash發送到fixed節點。分配的個數由
hash_partition_count這個session參數決定，由於是固定個數，所以對於不同的數據規模採用同樣的個數也不是很合適，這也是需要改進的點。 - single節點，單節點計算任務，某些計算需要在單一節點計算，比如MergeReduce，output等，需要分配一個節點。
- coordinator only，只在coordinator節點計算的任務，一般是meta類操作。
Presto是一個計算引擎，採用計算和存儲分離的架構。所以，理論上來講，上邊回答清楚每個階段分配多少個計算任務，然後按照隨機的原則把task分配到每臺機器上，並注意機器之間的負載均衡就足夠了。
但是這樣性能並不是最佳的。我們都知道，大規模的數據遷移是一件非常耗時的事情。在計算機硬件中，CPU、內存、磁盤、網卡，這些硬件中，網卡的性能提升是最慢的，在整個分佈式系統中也是性能最差的。
因此在調度上presto提供了一種基於拓撲的調度算法(Topology Aware schedule),以使source節點儘量靠近數據。
拓撲調度算法Topology Aware Scheduling strategy
Presto把集羣資源劃分成兩級結構(Machine,集羣)(包含機架的三級結構是我們的實現方式，不是presto原生的算法)。
分配算法如下：
- 當分配一個split時候，會給定split的一個地址，這個地址代表期望的分配地址。
- 從Machine層開始查找，首先查看Machine上已經分配的split個數是否已滿，若未滿則分配該機器，
- 若Machine資源池已滿，然後查看機架級別的資源池。多個機器組成一個機架。然後在同一個機架找出一臺機器，這臺機器的資源池小於75%，則分配這臺機器。
- 如果在機架級別找不到可用機器，則到集羣級別找一臺機器，這臺機器的資源池使用量小於50%，則分配這臺機器。否則分配失敗。
presto代碼提供了Machine/集羣的兩級拓撲結構，但是架構上提供一個基礎的多級分配策略，因此我們增加了機架級別的資源調度。我們知道，同一個機架內機器在一個交換機下，網絡速度要快於跨機架傳輸。
Presto調度上的其他優化點
presto提供了基礎的調度能力，這個調度策略是很簡單的，如果要實現精細化的調度，還有很多工作可以做。例如：
- 上文提到的Fix Count Scheduler，對所有的計算採用固定的節點個數。這個可以通過CBO，衡量不同數據源的大小，以及計算的複雜度，分配不同的節點個數。
- 上文提到的機架級別調度。
- 在資源池的管理上，簡單以split的個數來衡量，但是我們知道每個split對應的數據量和計算複雜度是不一樣的。因此更加精細化的策略是根據統計數據預估split消耗的內存/cpu。