[bigdata-004]CDH Impala的应用场景

可以将Impala视为改进版的Hive。

两者都使用SQL语言，且Imapal的SQL是Hive SQL的子集。

Hive慢，Impala快，测试的结果是，常规问题上，Impala比Hive快十倍。有了Impala，Hive就可以不用了。

Impala没有索引。这是一个非常显著的特征，没有索引，就不能快速存取跟顺序有关的记录。Impala可以做排序，但没有对结果进行遍历，也不能快速seek到某条记录。

因此，Impala适应的场景是：

1. 操作非常大的数据，比如T和P级别的数据。

2. 操作对索引没有需求的数据。

它不适合操作数据量太小的数据，少于500M的数据，最好不要用它，跑不出优势。

如果遇到跟索引相关的问题，怎么处理？用sqoop把它转到mysql里解决。我的测试是，myslq对单表500万条记录操作流畅，性能令人满意。可以多台mysql集群同时处理。也可以一个一个处理。

Imapa不适合对外提供服务，在流程上，把结果处理好，放到关系库供前端调用。Impala只存取海量原始数据。

一定不要用Impala处理跟索引存取相关的计算，你挖空心思是能写出这样的代码，但速度会慢到令你震惊！！