Impala介绍

Impala 简介：

Impala 是一个高性能分析数据库，可针对存储在 Apache Hadoop 集群中的 PB 级数据进行闪电般快速的分布式 SQL 查询。Impala 还是一个现代化，大规模分布式，大规模并行的 C ++ 查询引擎，可以分析，转换和合并来自各种数据源的数据。Impala采用与Hive相同的元数据、SQL语法、ODBC 驱动程序和用户接口(Hue Beeswax)，这样在使用CDH产品时，批处理和实时查询的平台是统一的。

目前支持的文件格式是文本文件和SequenceFiles（可以压缩为Snappy、GZIP和BZIP，前者性能最好）。其他格式如Avro, RCFile, LZO文本和Doug Cutting的Trevni将在正式版中支持。

Impala 提供：

● 在 Apache Hadoop 中查询大量数据（大数据）的能力；

● 集群环境中的分布式查询；

● 在不同组件之间共享数据文件的能力，无需复制或导出/导入步骤；

● 用于大数据处理和分析的单一系统。

Impala 特性：

● 最佳性能以及可扩展性。

● 支持存储在HDFS， Apache HBase和Amazon S3中的数据。

● 强大的SQL分析，包括窗口函数和子查询。

● 使用LLVM快速生成代码，生成针对每个单独查询专门定制的CPU高效代码。

● 支持最常用的Hadoop文件格式，包括 Apache Parquet项目。

● Apache许可，100％开源。