Impala概述

Impala:一款开源的针对HDFS和HBASE中PB级别数据进行交互式实时查询工具（快速）

抛弃了MapReduce,使用了类似与传统的MPP数据库技术。

（Mpp:Massively Parallel Processing,大规模并行处理，每个节点资源独立，独立磁盘和独立内存，每个节点通过网络连接，彼此协同工作。先局部聚合最后再整体聚合。）

优缺点：

优点：

      1、避免数据落磁盘；

      2、处理进程无需每次启动

      3、默认不会对数据排序

       4、支持多种存储格式

       5、查询速度快，采用了MPP数据库技术

       6、适合交互式计算（适合PB级数据）

MapReduce慢原因：1、Shuffle阶段，存在IO开销；

                                   2、Shuffle阶段默认对Key分区排序

缺点：

     1、属于MPP架构，只能达到百节点级；并发查询达到20左右，整个系统的吞吐已经达到满负荷状态，扩容也无法提高吞吐量；

     2、资源不能通过Yarn统一资源管理 

适用场景：

   Hive:复杂的批处理查询任务，数据转换任务，对实时性要求不高同时数据量大的场景

   Impala: