presto对orc文件的读取

presto对orc文件和parquet文件的读取都进行了优化，那么本篇文章来分析一下都做了哪些优化

1- orc文件格式概述

每个orc文件都有一个文件footer，文件footer里存储了每个条带(script)的最大值最小值，可以用来过滤script。每个条带又有条带footer，具体作用未知。每个条带内部存储了行组的列存形式。

2- 读取流程

读取流程涉及以下几个读取器的构造：

• HiveSplit->
  Hive中split的构造。hive connector在构造split时，并不像上篇这个博客提到的，在一个bliock中会有很多script，然后根据过滤条件选择script，然后再构造split。而是再构造split时，直接使用一个block构造出一个split，这个split中包含了过滤条件，然后再扫描数据的时候，使用过滤条件。

• PageSource->
  Presto源码结构，用于返回一个Page。

• HivePageSourceProvider->
  用于提供Hive Page数据的类。
• OrcP