安装使用Cloudera Impala

安装与使用Cloudera Impala

Cloudera Impala提供快速的、交互式的SQL查询方式，直接基于Apache Hadoop存储在HDFS或HBase中的数据进行查询。除了使用与Apache Hive相同的统一存储平台外，Impala也使用了与Hive相同的元数据、SQL语法（Hive SQL）、ODBC驱动和用户接口（Cloudera Impala查询UI使用Hue）。这样就提供了一个用于实时或批量的查询的熟悉的、统一的平台。

Cloudera Impala是一个查询大数据的工具。Impala不会取代例如hive这样基于MapReduce的批处理框架。Hive和其他的基于MapReduce的批处理框架最适合用于长时间运行的批处理作业，如执行批量的抽取、转换、载入类的作业。

Impala 优点

Impala提供了

• 数据科学家、分析人员熟悉的SQL接口
• 交互式查询Apache Hadoop中的大数据
• 可同时进行大数据处理、分析的单一系统，用户可以避免为了分析进行昂贵的建模、ETL操作

Cloudera Impala与CDH如何协同工作

下图显示了在cloudera环境中Impala的定位

Impala由以下组件组成：

• 客户端 - 包括Hue、ODBC客户端、JDBC客户端、可与Impala交互的Impala Shell。这些接口通常用于执行查询或完成管理任务，例如连接到Impala
• Hive Metastore - 存储可用于Impala数据的信息。例如，Impala通过metastore了解哪些数据库可用以及这些数据库的结构。当你使用Impala SQL语句，执行创建、删除修改schema对象、加载数据到表中、以及执行其他类似操作时，相关元数据的变化，通过Impala 1.2引入的单独的catalog服务，自动广播到所有Impala节点。
• Cloudera Impala - 本程序运行于数据节点，用于协调和执行查询。每一个Impala的实例可以获取、解析以及协调Impala客户端传来的查询。查询是被分布到各Impala节点间，这些节点作为workers，并行执行查询片段。
• HBase and HDFS - 所查询数据的存储位置

Impala执行查询的处理过程如下：

1. 用户程序通过ODBC或JDBC发送SQL给Impala，其中Impala提供了标准的查询接口。用户程序可能连接到集群中任意impalad进程，这一impalad进程作为这一查询的协调器。
2. Impala解析、分析这一查询，确定什么任务由集群中哪一impalad实例执行，执行计划最优。
3. Impalad实例会访问本地HDFS和HBase服务，获取数据。
4. 每一个impalad都返回数据给协调器impalad，并由它发送结果给客户端。

Impala主要特性

Impala提供以下支持：

• Hive查询语言（HiveQL）中最通用的SQL-92功能，包括SELECT、连接（join）、以及聚合函数
• HDFS and HBase 存储，包括：  
  • HDFS文件格式:Text文件, SequenceFile, RCFile, Avro文件以及Parquet。
  • 压缩编解码: Snappy, GZIP, Deflate, BZIP。
• 通用Hive接口，包括：  
  • JDBC驱动
  • ODBC驱动
  • Hue Beeswax和新Cloudera Impala Query UI
• Impala命令行接口
• Kerberos认证