Impala
Impala
Impala直接对存储在HDFS、HBase或对象存储服务（OBS）中的Hadoop数据提供快速、交互式SQL查询。除了使用相同的统一存储平台之外，Impala还使用与Apache Hive相同的元数据，SQL语法（Hive SQL），ODBC驱动程序和用户界面（Hue中的Impala查询UI）。这为实时或面向批处理的查询提供了一个熟悉且统一的平台。作为查询大数据的工具的补充，Impala不会替代基于MapReduce构建的批处理框架，例如Hive。基于MapReduce构建的Hive和其他框架最适合长时间运行的批处理作业。
Impala主要特点如下：
- 支持Hive查询语言（HiveQL）中大多数的SQL-92功能，包括 SELECT，JOIN和聚合函数。
- HDFS，HBase 和对象存储服务（OBS）存储，包括：
- HDFS文件格式：基于分隔符的text file，Parquet，Avro，SequenceFile和RCFile。
- 压缩编解码器：Snappy，GZIP，Deflate，BZIP。
- 常见的数据访问接口包括：
- JDBC驱动程序。
- ODBC驱动程序。
- HUE beeswax和Impala查询UI。
- impala-shell命令行接口。
- 支持Kerberos身份认证。
Impala主要应用于实时查询数据的离线分析（如日志分析，集群状态分析）、大规模的数据挖掘（用户行为分析，兴趣分区，区域展示）等场景下。
有关Impala的详细信息，请参见https://impala.apache.org/impala-docs.html。
Impala由Impalad、Statestore、Catalog 3个角色组成。
Impala Daemon
impala daemon的进程名为 impalad，是Impala的核心进程。
impalad关键功能如下：
- 运行在所有的数据节点上。
- 读写数据文件。
- 接收来自于impala-shell命令、Hue、JDBC或者ODBC等客户端的查询请求。
- 可以并行执行来自集群中其他节点的查询请求，将中间结果返回给调度节点。
- 可以调用节点将结果返回给客户端。
impalad 进程通过持续的和statestore 通信来确认自己所在的节点是否健康 和是否可以接受新的任务请求。
Impala StateStore
负责检查impala的所有进程健康状态管理进程，进程名为statestored，当有Impalad的进程因硬件失败、网络错误、软件原因或者其他原因下线时，StateStore负责通知到其他的impalad进程，避免请求分发到不可用的节点上。
Impala Catalog Service
负责impala的元数据管理，进程名为catalogd，将元数据的变化发送到所有的Impalad进程。当创建表、加载数据或者其他的一些从Hive发起的操作后，impala查询之前需要在impalad上执行 REFRESH 或者 INVALIDATE METADATA 刷新 Catalog 上缓存的元数据信息。如果元数据变化是通过impala执行的，则不需要执行刷新。
