impala 概述
什么是Impala？
Impala是用于處理存儲在Hadoop集群中的大量數(shù)據(jù)的MPP（大規(guī)模并行處理）SQL查詢引擎。 它是一個用C ++和Java編寫的開源軟件。 與其他Hadoop的SQL引擎相比，它提供了高性能和低延遲。
換句話說，Impala是性能最高的SQL引擎（提供類似RDBMS的體驗），它提供了訪問存儲在Hadoop分布式文件系統(tǒng)中的數(shù)據(jù)的最快方法。
為什么選擇Impala？
Impala通過使用標準組件（如HDFS，HBase，Metastore，YARN和Sentry）將傳統(tǒng)分析數(shù)據(jù)庫的SQL支持和多用戶性能與Apache Hadoop的可擴展性和靈活性相結合。
使用Impala，與其他SQL引擎（如Hive）相比，用戶可以使用SQL查詢以更快的方式與HDFS或HBase進行通信。
Impala可以讀取Hadoop使用的幾乎所有文件格式，如Parquet，Avro，RCFile。
Impala將相同的元數(shù)據(jù)，SQL語法（Hive SQL），ODBC驅動程序和用戶界面（Hue Beeswax）用作Apache Hive，為面向批量或實時查詢提供熟悉且統(tǒng)一的平臺。
與Apache Hive不同，Impala不基于MapReduce算法。 它實現(xiàn)了一個基于守護進程的分布式架構，它負責在同一臺機器上運行的查詢執(zhí)行的所有方面。
因此，它減少了使用MapReduce的延遲，這使Impala比Apache Hive快。
Impala的優(yōu)點
以下是Cloudera Impala的一些值得注意的優(yōu)點的列表。
使用impala，您可以使用傳統(tǒng)的SQL知識以極快的速度處理存儲在HDFS中的數(shù)據(jù)。
由于在數(shù)據(jù)駐留（在Hadoop集群上）時執(zhí)行數(shù)據(jù)處理，因此在使用Impala時，不需要對存儲在Hadoop上的數(shù)據(jù)進行數(shù)據(jù)轉換和數(shù)據(jù)移動。
使用Impala，您可以訪問存儲在HDFS，HBase和Amazon s3中的數(shù)據(jù)，而無需了解Java（MapReduce作業(yè)）。您可以使用SQL查詢的基本概念訪問它們。
為了在業(yè)務工具中寫入查詢，數(shù)據(jù)必須經(jīng)歷復雜的提取 - 變換負載（ETL）周期。但是，使用Impala，此過程縮短了。加載和重組的耗時階段通過新技術克服，如探索性數(shù)據(jù)分析和數(shù)據(jù)發(fā)現(xiàn)，使過程更快。
Impala正在率先使用Parquet文件格式，這是一種針對數(shù)據(jù)倉庫場景中典型的大規(guī)模查詢進行優(yōu)化的柱狀存儲布局。
Impala的功能
以下是cloudera Impala的功能 -
Impala可以根據(jù)Apache許可證作為開源免費提供。
Impala支持內存中數(shù)據(jù)處理，即，它訪問/分析存儲在Hadoop數(shù)據(jù)節(jié)點上的數(shù)據(jù)，而無需數(shù)據(jù)移動。
您可以使用Impala使用類SQL查詢訪問數(shù)據(jù)。
與其他SQL引擎相比，Impala為HDFS中的數(shù)據(jù)提供了更快的訪問。
使用Impala，您可以將數(shù)據(jù)存儲在存儲系統(tǒng)中，如HDFS，Apache HBase和Amazon s3。
您可以將Impala與業(yè)務智能工具（如Tableau，Pentaho，Micro策略和縮放數(shù)據(jù)）集成。
Impala支持各種文件格式，如LZO，序列文件，Avro，RCFile和Parquet。
Impala使用Apache Hive的元數(shù)據(jù)，ODBC驅動程序和SQL語法。
關系數(shù)據(jù)庫和Impala
Impala使用類似于SQL和HiveQL的Query語言。 下表描述了SQL和Impala查詢語言之間的一些關鍵差異。
| Impala | 關系型數(shù)據(jù)庫 |
|---|---|
| Impala使用類似于HiveQL的類似SQL的查詢語言。 | 關系數(shù)據(jù)庫使用SQL語言。 |
| 在Impala中，您無法更新或刪除單個記錄。 | 在關系數(shù)據(jù)庫中，可以更新或刪除單個記錄。 |
| Impala不支持事務。 | 關系數(shù)據(jù)庫支持事務。 |
| Impala不支持索引。 | 關系數(shù)據(jù)庫支持索引。 |
| Impala存儲和管理大量數(shù)據(jù)（PB）。 | 與Impala相比，關系數(shù)據(jù)庫處理的數(shù)據(jù)量較少（TB）。 |
Hive，Hbase和Impala
雖然Cloudera Impala使用與Hive相同的查詢語言，元數(shù)據(jù)和用戶界面，但在某些方面它與Hive和HBase不同。 下表介紹了HBase，Hive和Impala之間的比較分析。
| HBase | Hive | Impala |
|---|---|---|
| HBase是基于Apache Hadoop的寬列存儲數(shù)據(jù)庫。 它使用BigTable的概念。 | Hive是一個數(shù)據(jù)倉庫軟件。 使用它，我們可以訪問和管理基于Hadoop的大型分布式數(shù)據(jù)集。 | Impala是一個管理，分析存儲在Hadoop上的數(shù)據(jù)的工具。 |
| HBase的數(shù)據(jù)模型是寬列存儲。 | Hive遵循關系模型。 | Impala遵循關系模型。 |
| HBase是使用Java語言開發(fā)的。 | Hive是使用Java語言開發(fā)的。 | Impala是使用C ++開發(fā)的。 |
| HBase的數(shù)據(jù)模型是無模式的。 | Hive的數(shù)據(jù)模型是基于模式的。 | Impala的數(shù)據(jù)模型是基于模式的。 |
| HBase提供Java，RESTful和Thrift API。 | Hive提供JDBC，ODBC，Thrift API。 | Impala提供JDBC和ODBC API。 |
| 支持C，C＃，C ++，Groovy，Java PHP，Python和Scala等編程語言。 | 支持C ++，Java，PHP和Python等編程語言。 | Impala支持所有支持JDBC / ODBC的語言。 |
| HBase提供對觸發(fā)器的支持。 | Hive不提供任何觸發(fā)器支持。 | Impala不提供對觸發(fā)器的任何支持。 |
所有這三個數(shù)據(jù)庫 -
是NOSQL數(shù)據(jù)庫。
可用作開源。
支持服務器端腳本。
按照ACID屬性，如Durability和Concurrency。
使用分片進行分區(qū)。
Impala的缺點
使用Impala的一些缺點如下 -
- Impala不提供任何對序列化和反序列化的支持。
- Impala只能讀取文本文件，而不能讀取自定義二進制文件。
- 每當新的記錄/文件被添加到HDFS中的數(shù)據(jù)目錄時，該表需要被刷新。
更多建議：