Impala

交互式查询工具 Imapala

第1部分 Impala 概念

1.1 Impala 是什么

Impala是Cloudera提供的一款开源的针对HDFS和HBASE中的PB级别数据进行交互式实时查询(Impala速度快)，Impala是参照谷歌的新三篇论文当中的Dremel实现而来，其中旧三篇论文分别是（BigTable，GFS，MapReduce）分别对应我们即将学的HBase和已经学过的HDFS以及MapReduce。

Impala最大卖点和最大特点就是快速，Impala中文翻译是高角羚羊。

1.2 Impala 优缺点

Impala抛弃了MapReduce使用了类似于传统的MPP数据库技术，大大提高了查询的速度

MPP (Massively Parallel Processing)，就是大规模并行处理，在MPP集群中，每个节点资源都是独立享有也就是有独立的磁盘和内存，每个节点通过网络互相连接，彼此协同计算，作为整体提供数据服务。

优点：

1. 基于内存运算，不需要把中间结果写入磁盘，省掉了大量的I/O开销
2. 无需转换为 MapReduce，直接访问存储在HDFS，HBase中的数据进行作业调度，速度快
3. 使用了支持Data locality的I/O调度机制，尽可能地将数据和计算分配在同一台机器上进行，减少了网络开销
4. 支持各种文件格式，如TEXTFILE 、SEQUENCEFILE、RCFile、Parquet
5. 可以访问Hive的metastore，对Hive数据直接做数据分析

缺点:

1. 对内存的依赖大，且完全依赖于Hive
2. 实践中，分区超过1万，性能严重下降
3. 只能读取文本文件，而不能直接读取自定义二进制文件
4. 每当新的记录/文件被添加到HDFS中的数据目录时，该表需要被刷新

Impala 和 Hive 对比