一、 Cloudera Impala簡介

Cloudera Impala 可以直接為存儲在HDFS或HBase中的Hadoop數(shù)據(jù)提供快速，交互式的SQL查詢。除了使用相同的存儲平臺外， Impala和Apache Hive一樣也使用了相同的元數(shù)據(jù)，SQL語法（Hive SQL），ODBC驅(qū)動和用戶接口（Hue Beeswax），這就很方便的為用戶提供了一個相似并且統(tǒng)一的平臺來進(jìn)行批量或?qū)崟r查詢。

Cloudera Impala 是用來進(jìn)行大數(shù)據(jù)查詢的補(bǔ)充工具。 Impala 并沒有取代像Hive這樣基于MapReduce的分布式處理框架。Hive和其它基于MapReduce的計算框架非常適合長時間運(yùn)行的批處理作業(yè)，例如那些涉及到批量 Extract、Transform、Load ，即需要進(jìn)行ETL作業(yè)。

二、 Impala的優(yōu)點(diǎn)

Impala 提供了：

• 數(shù)據(jù)科學(xué)家或數(shù)據(jù)分析師已經(jīng)熟知的SQL接口
• 能夠在Apache Hadoop 的大數(shù)據(jù)中進(jìn)行交互式數(shù)據(jù)查詢
• Single system for big data processing and analytics so customers can avoid costly modeling and ETL just for analytics 

三、在CDH下Cloudera Impala如何工作

下圖顯示了在Cloudera環(huán)境中，Impala的定位。

1.Impala 由以下幾部分組成：

Impala State Store ：State Store標(biāo)定了在你的環(huán)境中關(guān)于impalad實例運(yùn)行的信息。 此信息用于查找數(shù)據(jù)，以便于分布式資源對查詢的 響應(yīng)。

impalad ：impalad進(jìn)程運(yùn)行在datanodes上，并且響應(yīng)來自Impala shell的命令，它是Impala的服務(wù)端。impalad接受來自數(shù)據(jù)連接層和***化執(zhí)行任務(wù)調(diào)度的請求。impalad會間歇性的更新Impala State Store的名字和地址

Impala shell ：Impala shell是Impala的客戶端接口，用來運(yùn)行查詢命令用來完成管理任務(wù)，例如連接Impala的服務(wù)端impalad。通過ODBC或JDBC提供了一個標(biāo)準(zhǔn)化的查詢接口來完成查詢的接收和傳遞。

2.利用Impala進(jìn)行查詢步驟如下：

（1）用戶通過 Hue Beeswax，the Impala shell， 或者ODBC 這樣的客戶端接口來提交查詢請求

（2）Impala 的分布式查詢引擎通過集群來創(chuàng)建和分發(fā)查詢?nèi)蝿?wù)

（3）每個節(jié)點(diǎn)直接讀取本地的HDFS或HBase中的數(shù)據(jù)來完成部分分布式查詢?nèi)蝿?wù)，以提升查詢性能。 

（4）impalad將結(jié)果返回給客戶端。 

 四、 Impala的主要特點(diǎn)

Impala的主要特點(diǎn)

 Impala提供以下支持：

常見的 Hive標(biāo)準(zhǔn)查詢語言 (HiveQL) ，包括select, joins, and aggregate 功能

HDFS和HBase的存儲格式

HDFS文件格式：TextFile, SequenceFile

壓縮編碼：Snappy, GZIP, BZIP  

常見的Hive接口：

• ODBC driver
•  Hue Beeswax
•  Impala命令行接口
•   Kerberos authentication 

原文鏈接：http://blog.sina.com.cn/s/blog_475f18640101gw27.html