presto和sparksql只是計算引擎，不做數據存儲
相對於sparksql，presto是純內存計算，儘量使用整個集羣中的內存，sparksql依賴於分配的executor數量，在executor內存不足時會落盤；
相對於sparksql，presto啓動執行更迅速，sparksql要依賴yarn調度資源；
相對於sparksql，presto帶有分頁功能，在分頁查詢時更有優勢；
相對於presto，sparksql運行更穩定，presto會經常出現oom；
druid、kylin、clickhouse都是存儲加計算引擎
druid和kylin更適合預聚合場景，其中druid是時序數據庫，對所有維度列枚舉值建立bitmap索引，所以維度枚舉值如果較多的話，數據膨脹會比較厲害；kylin是通過MapReduce任務枚舉維度組合，每一種維度組合對應一張hbase表，維度組合值爲主鍵，通過hbase rowkey實現快速訪問，因爲實現要指定維度組合情況，所以kylin適合業務場景比較固定的情況，這也是hbase的特點，通過單一的key查詢數據。
clickhouse可以對數據分區，建立主鍵，對命中主鍵的明細數據聚合查詢較快，這種對於一些維度枚舉值較多的數據比較適合，沒有數據膨脹
結論
druid和kylin主要針對預聚合場景，因此查詢較快，qps較高，但是因爲數據做了聚合，無法查看明細數據，不支持join；clickhouse、presto、sparksql主要是掃描原始數據，實時聚合，因此查詢較慢，qps較低，但是clickhouse有主鍵索引，數據都存在本地，因此查詢速度明顯快於presto和sparksql，但是presto、sparksql join性能更好