Apache Impala

定义

Apache Impala 是 Cloudera 于 2012 年发布并开源的分布式 SQL 查询引擎，灵感来自 Google Dremel 论文，目标是在 Hadoop 数据上提供低延迟的交互式查询，2017 年成为 Apache 顶级项目。

原理

Impala 完全绕开 MapReduce，用 C++ 实现常驻的守护进程（impalad）直接读取 HDFS、Kudu、HBase 中的数据。每个节点上的 impalad 均可接收查询并担任协调者，将执行计划分发给其他节点并行处理；配合 LLVM 运行时代码生成技术，把查询逻辑编译为本地机器码执行，显著降低解释开销。它复用 Hive Metastore 的元数据，与 Hive 表无缝互通。

应用

Impala 常见于 Cloudera CDH/CDP 平台，用于数据分析师对 Hive 数仓做秒级即席查询，搭配 Parquet 与 Kudu 效果最佳。

优缺点

优点是延迟低、与 Hadoop 生态集成深；缺点是内存消耗大、容错能力弱，且社区活跃度随 Hadoop 生态收缩而下降。