impala是什么？

Impala是用于处理存储在Hadoop集群中的大量数据的MPP（大规模并行处理）SQL查询引擎。 它是一个用C ++和Java编写的开源软件。 与其他Hadoop的SQL引擎相比，它提供了高性能和低延迟.

为什么选择impala?

Impala通过使用hadoop生态组件（如HDFS，HBase，Metastore，YARN和Sentry）将传统分析数据库的SQL支持和多用户性能与Apache Hadoop的可扩展性和灵活性相结合。

使用Impala，与其他SQL引擎（如Hive）相比，用户可以使用SQL查询以更快的方式与HDFS或HBase进行通信。

Impala可以读取Hadoop使用的几乎所有文件格式，如Parquet，Avro，RCFile。

Impala将相同的元数据，SQL语法（Hive SQL），ODBC驱动程序和用户界面（Hue Beeswax）用作Apache Hive，为面向批量或实时查询提供熟悉且统一的平台。

与Apache Hive不同，Impala不基于MapReduce算法。 它实现了一个基于守护进程的分布式架构，它负责在同一台机器上运行的查询执行的所有方面。

因此，它减少了使用MapReduce的延迟，这使Impala比Apache Hive快。

impala优点

1.使用impala，使用传统的SQL知识以极快的速度处理存储在HDFS中的数据。

2.由于在数据驻留（在Hadoop集群上）时执行数据处理，因此在使用Impala时，不需要对存储在Hadoop上的数据进行数据转换和数据移动。

3.使用Impala，可以访问存储在HDFS，HBase和Amazon s3中的数据，而无需了解Java（MapReduce作业）。使用SQL查询的基本概念访问

4.缩短在业务工具中写入查询，数据必须经历复杂的提取 – 变换负载（ETL）周期。

5.Impala可以使用Parquet文件格式

impala功能特性

1.Impala支持内存中数据处理，即，它访问/分析存储在Hadoop数据节点上的数据，而无需数据移动。

2.与其他SQL引擎相比，Impala为HDFS中的数据提供了更快的访问。

3.使用Impala，可以访问不同的数据存储，如HDFS，Apache HBase和Amazon s3。

4.Impala支持各种文件格式，如LZO，序列文件，Avro，RCFile和Parquet。

5.Impala使用Apache Hive的元数据，ODBC驱动程序和SQL语法。

传统的hive和RDMS 与impala对比

关系数据库与impala对比

hive，hbase,impala三者对比

Impala的缺点

Impala不提供任何对序列化和反序列化的支持。

Impala只能读取文本文件，而不能读取自定义二进制文件。

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。