Impala簡介

Impala是由Cloudera公司開發(fā)的新型查詢系統(tǒng)，它提供SQL語義，能查詢存儲在Hadoop的HDFS和HBase上的PB級大數(shù)據(jù)，在性能上比Hive高出3~30倍。

Impala的運行需要依賴于Hive的元數(shù)據(jù)。Impala是參照 Dremel系統(tǒng)進行設計的。

Impala采用了與商用并行關系數(shù)據(jù)庫類似的分布式查詢引擎，可以直接與HDFS和HBase進行交互查詢。

Impala和Hive采用相同的SQL語法、ODBC驅動程序和用戶接口。

 

圖：Impala與其他組件的關系

Impala系統(tǒng)架構

圖：Impala系統(tǒng)架構圖

Impala和Hive、HDFS、HBase等工具是統(tǒng)一部署在一個Hadoop平臺上的。Impala主要由Impalad，State Store和CLI三部分組成。

（1）Impalad

• 負責協(xié)調(diào)客戶端提交的查詢的執(zhí)行
• 包含Query Planner、Query Coordinator和Query Exec Engine三個模塊。
• 與HDFS的數(shù)據(jù)節(jié)點（HDFS DN）運行在同一節(jié)點上。
• 給其他Impalad分配任務以及收集其他Impalad的執(zhí)行結果進行匯總。
• Impalad也會執(zhí)行其他Impalad給其分配的任務，主要就是對本地HDFS和HBase里的部分數(shù)據(jù)進行操作。

（2）State Store

• 會創(chuàng)建一個statestored進程。
• 負責收集分布在集群中各個Impalad進程的資源信息，用于查詢調(diào)度。

（3）CLI

• 給用戶提供查詢使用的命令行工具。
• 還提供了Hue、JDBC及ODBC的使用接口。

說明：Impala中的元數(shù)據(jù)直接存儲在Hive中。Impala采用與Hive相同的元數(shù)據(jù)、SQL語法、ODBC驅動程序和用戶接口，從而使得在一個Hadoop平臺上，可以統(tǒng)一部署Hive和Impala等分析工具，同時支持批處理和實時查詢。

Impala查詢執(zhí)行過程

圖：Impala查詢執(zhí)行過程圖

Impala執(zhí)行查詢的具體過程：

1. 第0步，當用戶提交查詢前，Impala先創(chuàng)建一個負責協(xié)調(diào)客戶端提交的查詢的Impalad進程，該進程會向Impala State Store提交注冊訂閱信息，State Store會創(chuàng)建一個statestored進程，statestored進程通過創(chuàng)建多個線程來處理Impalad的注冊訂閱信息。
2. 第1步，用戶通過CLI客戶端提交一個查詢到impalad進程，Impalad的Query Planner對SQL語句進行解析，生成解析樹；然后，Planner把這個查詢的解析樹變成若干PlanFragment，發(fā)送到Query Coordinator.
3. 第2步，Coordinator通過從MySQL元數(shù)據(jù)庫中獲取元數(shù)據(jù)，從HDFS的名稱節(jié)點中獲取數(shù)據(jù)地址，以得到存儲這個查詢相關數(shù)據(jù)的所有數(shù)據(jù)節(jié)點。
4. 第3步，Coordinator初始化相應impalad上的任務執(zhí)行，即把查詢?nèi)蝿辗峙浣o所有存儲這個查詢相關數(shù)據(jù)的數(shù)據(jù)節(jié)點。
5. 第4步，Query Executor通過流式交換中間輸出，并由Query Coordinator匯聚來自各個impalad的結果。
6. 第5步，Coordinator把匯總后的結果返回給CLI客戶端。

Impala與Hive的比較

圖：Impala與Hive的對比

Hive與Impala的不同點總結如下：

1. Hive適合于長時間的批處理查詢分析，而Impala適合于實時交互式SQL查詢。
2. Hive依賴于MapReduce計算框架，Impala把執(zhí)行計劃表現(xiàn)為一棵完整的執(zhí)行計劃樹，直接分發(fā)執(zhí)行計劃到各個Impalad執(zhí)行查詢。
3. Hive在執(zhí)行過程中，如果內(nèi)存放不下所有數(shù)據(jù)，則會使用外存，以保證查詢能順序執(zhí)行完成，而Impala在遇到內(nèi)存放不下數(shù)據(jù)時，不會利用外存，所以Impala目前處理查詢時會受到一定的限制。

Hive與Impala的相同點總結如下：

1. Hive與Impala使用相同的存儲數(shù)據(jù)池，都支持把數(shù)據(jù)存儲于HDFS和HBase中。
2. Hive與Impala使用相同的元數(shù)據(jù)。
3. Hive與Impala中對SQL的解釋處理比較相似，都是通過詞法分析生成執(zhí)行計劃。

總結：

• Impala的目的不在于替換現(xiàn)有的MapReduce工具。
• 把Hive與Impala配合使用效果最佳。
• 可以先使用Hive進行數(shù)據(jù)轉換處理，之后再使用Impala在Hive處理后的結果數(shù)據(jù)集上進行快速的數(shù)據(jù)分析。