Impala白皮书

简介

Impala是基于Hadoop数据处理环境形成的一个当代，开源的MPP SQL引擎。Impala提供低延迟，高并发的BI、分析类型的查询，这篇文章从用户的角度介绍Impala，Impala架构，主要的组件，以及与其他SQL-on-Hadoop系统的性能对比

介绍

Impala是一个开源的，完全集成的，最先进的MPP SQL查询引擎，能够很好的利用Hadoop的灵活性和伸缩性。Impala旨在融合传统分析数据的SQL支持和多用户性能，Hadoop的伸缩性和灵活性，生产级别的安全性。Impala的测试版本是在2012年发布，Impala2.0是在2014年发布，目前已经有相当大的下载量。
不像其他系统（Postgres的分支），Impala是一个全新的引擎，是用C++和Java编写的。利用标准组件（HDFS，HBase，Metastore，Yarn，Sentry）保持Hadoop的灵活性，能够读取许多文件格式（Parquet，Avro，RCFiles）。为了减少延迟，避免使用MapReduce或者远程读取数据。Impala实现一个基于后端进程的分布式架构，这些进程负责执行查询，运行在与Hadoop架构相同的机器上。依赖特定的应用场景，Impala的性能远超商业的MPP分析数据库。
这篇文章讨论Impala提供给用户的服务，Impala架构以及主要组件。Impala可获取的最高性能是使用HDFS作为底层存储，使用HBase作为底层存储会有一些显著的不同。
Impala是一个高性能的SQL-on-Hadoop系统，尤