数据词典：Impala

赵老师

Hive作为比较流行的数据仓库分析工具之一，得到了广泛的应用，但是，由于Hive在采用MapReduce执行引擎时，是使用MapReduce来完成批量数据处理，而MapReduce是一个面向批处理的非实时计算框架，因此，实时性不好，查询延迟较高，不能满足查询的实时交互性。Impala作为开源大数据分析引擎，支持实时计算，它提供了与Hive类似的功能，并在性能上比Hive高出3~30倍。

Impala是由Cloudera公司开发的查询系统，它提供了SQL语义，能查询存储在Hadoop的HDFS和HBase上的PB级别海量数据。Impala最初是参照Dremel系统进行设计的，Dremel系统是由Google公司开发的交互式数据分析系统，可以在2-3秒内分析PB级别的海量数据。所以，Impala也可以实现大数据的快速查询。

需要指出的是，虽然Impala的实时查询性能要比Hive好很多，但是，Impala的目的并不在于替换现有的包括Hive在内的MapReduce工具，而是提供一个统一的平台用于实时查询。事实上，Impala的运行依然需要依赖于Hive的元数据。

与Hive类似，Impala也可以直接与HDFS和HBase进行交互。当采用MapReduce 作为执行引擎时，Hive底层执行使用的是MapReduce，所以主要用于处理长时间运行的批处理任务，例如批量提取、转化、加载类型的任务。而Impala则采用了与商用MPP并行关系数据库类似的分布式查询引擎，可以直接从HDFS或者HBase中用SQL语句查询数据，而不需要把SQL语句转化成MapReduce任务来执行，从而大大降低了延迟，可以很好地满足实时查询的要求。另外，Impala和Hive采用相同的SQL语法、ODBC驱动程序和用户接口。

【出处】林子雨.大数据导论.人民邮电出版社,2020年9月第1版.