Alex 的 Hadoop 菜鸟教程: 第15课 Impala 安装使用教程

原文地址： http://blog.csdn.net/nsrainbow/article/details/43243389  最新课程请关注原作者博客，获得更好的显示体验

声明：

• 本文基于Centos 6.x + CDH 5.x 

硬件要求

    Impala的使用是有硬件要求的！我第一次见到有硬件要求的，那就是你的CPU必须支持SSSE3，如果你的CPU较老，不支持SSSE3 (3个S)，那么你只能找别的机器来学习Impala，因为虚拟机也没有办法给你虚拟出不同的CPU。

为什么用 Impala

因为Hive 太慢了！Impala 也可以执行SQL，但是比Hive的速度快很多。为什么Impala可以比Hive快呢？因为Hive采用的是把你的sql转化成hadoop 的 MapReduce任务的代码，然后编译，打包成jar包，并分发到各个server上执行，这是一个相当慢的过程。而Impala根本就不用Hadoop的MapReduce机制，直接调用HDFS的API获取文件，在自己的内存中进行计算。

但是Impala也并不是完全比Hive好。Impala的容错机制没有Hive好，而且没有Hive那么成熟。所以一般使用以下方法来决定使用哪个

• 如果是ETL任务使用Hive
• 如果是实时的热查询则用Impala

安装Impala

安装

安装Impala的前提是安装了Hive，因为Impala直接使用Hive的metastore服务内存储的映射表来查询。这边不会重复的讲如何安装Hive的metastore，因为之前的课程中已经讲过，见 Alex 的 Hadoop 菜鸟教程: 第10课 Hive 安装和使用教程 

官方建议为了获得最佳的性能，请在 所有的datanode上安装Impalad，也就是下面的 impala + impala-server 。在某台机器上同时装上 impala-state-store + impala-catalog

因为我只有两台机器 host1 和 host2，所以我在host1上执行

$ sudo yum install impala             # Binaries for daemons
$ sudo yum install impala-server      # Service start/stop script
$ sudo yum install impala-state-store # Service start/stop script
$ sudo yum install impala-catalog     # Service start/stop script

在host2上执行

$ sudo yum install impala             # Binaries for daemons
$ sudo yum install impala-server      # Service start/stop script

安装impala的时候会检查很多包依赖，请根据提示安装包，比如 

--> Finished Dependency Resolution
Error: Package: hadoop-libhdfs-2.5.0+cdh5.2.1+578-1.cdh5.2.1.p0.14.el6.x86_64 (cloudera-cdh5)
           Requires: hadoop-hdfs = 2.5.0+cdh5.2.1+578-1.cdh5.2.1.p0.14.el6
           Installed: hadoop-hdfs-2.5.0+cdh5.3.0+781-1.cdh5.3.0.p0.54.el6.x86_64 (@cloudera-cdh5)
               hadoop-hdfs = 2.5.0+cdh5.3.0+781-1.cdh5.3.0.p0.54.el6
           Available: hadoop-hdfs-2.5.0+cdh5.2.1+578-1.cdh5.2.1.p0.14.el6.x86_64 (cloudera-cdh5)
               hadoop-hdfs = 2.5.0+cdh5.2.1+578-1.cdh5.2.1.p0.14.el6
 You could try using --skip-broken to work around the problem
 You could try running: rpm -Va --nofiles --nodigest

这种情况下，先检查你的CDH repository ，很多情况下，并不是你没安装这个包，而是版本不对，所以建议使用 本地repo库，这样这可以保证其他组件跟hadoop之间的依赖统一，排查的步骤

1. 检查 /etc/yum.repo.d/cloudera-cdh5.repo 是否存在
2. 如果存在是否 enabled =1
3. 如果enabled=1，检查url是否可以访问
4. 如果以上都ok，那就是版本不对了，比如上面的错误是说我的 hadoop-hdfs 装的是CDH5.3 的库，而现在我本地的CDH repo是5.2 ，这一定是我以前安装hadoop-hdfs的时候没有用本地库造成的问题，现在只能重做本地库为 cdh5.3，或者暂时使用远程库，我使用了远程库

配置

把hive-site.xml, core-site.xml, hdfs-site.xml, hbase-site.xml (如果有的话) 这三个文件都拷贝到 /etc/impala/conf 下

打开 "短路读取"

所谓的短路读取，就是允许impala把一些信息存储在本地磁盘上，可以加快计算的速度。

修改 拷贝来的 /etc/impala/conf/hdfs-site.xml 增加或者修改以下项

<property>
    <name>dfs.client.read.shortcircuit</name>
    <value>true</value>
</property>

<property>
    <name>dfs.domain.socket.path</name>
    <value>/var/run/hdfs-sockets/dn._PORT</value>
</property>

<property>
    <name>dfs.client.file-block-storage-locations.timeout.millis</name>
    <value>10000</value>
</property>

注意：那个 _PORT 就是那样写的，不需要指定具体的数字。

在 两台机器上都建立需要的