文章目录
一、Impala介绍
Impala是用于处理存储在Hadoop集群中的大量数据的MPP(大规模并行处理)SQL查询引擎。 它是一个用C ++和Java编写的开源软件。 与其他Hadoop的SQL引擎相比,它提供了高性能和低延迟。
换句话说,Impala是性能最高的SQL引擎(提供类似RDBMS的体验),它提供了访问存储在Hadoop分布式文件系统中的数据的最快方法。
1.1 Impala的功能
- Impala支持内存中数据处理,即,它访问/分析存储在Hadoop数据节点上的数据,而无需数据移动。
- 您可以使用Impala使用类SQL查询访问数据。
- 与其他SQL引擎相比,Impala为HDFS中的数据提供了更快的访问。
- 使用Impala,您可以将数据存储在存储系统中,如HDFS,Apache HBase和Amazon s3。您可以将Impala与业务智能工具(如Tableau,Pentaho,Micro策略和缩放数据)集成。
- Impala支持各种文件格式,如LZO,序列文件,Avro,RCFile和Parquet。
- Impala使用Apache Hive的元数据,ODBC驱动程序和SQL语法。
1.2 Impala的优点
- 使用impala,您可以使用传统的SQL知识以极快的速度处理存储在HDFS中的数据。
- 由于在数据驻留(在Hadoop集群上)时执行数据处理,因此在使用Impala时,不需要对存储在Hadoop上的数据进行数据转换和数据移动。
- 使用Impala,您可以访问存储在HDFS,HBase和Amazon s3中的数据,而无需了解Java(MapReduce作业)。您可以使用SQL查询的基本概念访问它们。
- Impala正在率先使用Parquet文件格式,这是一种针对数据仓库场景中典型的大规模查询进行优化的柱状存储布局。
1.3 Impala的缺点
- Impala不提供任何对序列化和反序列化的支持。
- Impala只能读取文本文件,而不能读取自定义二进制文件。
- 每当新的记录/文件被添加到HDFS中的数据目录时,该表需要被刷新。
二、架构
三、对比
3.1 关系数据库和Impala
Impala | 关系型数据库 |
---|---|
类似于HiveQL的类SQL | SQL |
无法更新或删除单个记录 | 可以更新或删除单个记录 |
不支持事务 | 支持事务 |
不支持索引 | 支持索引 |
存储和管理大量数据(PB) | 处理的数据量较少(TB) |
3.2 Hive,Hbase和Impala
HBase | Hive | Impala |
---|---|---|
基于Hadoop的宽列存储数据库 | 数据仓库软件 | 管理,分析存储在Hadoop上的数据的工具 |
宽列存储 | 关系模型 | 关系模型 |
Java语言开发 | Java语言开发 | C ++、Java语言开发 |
提供Java,RESTful和Thrift API | 提供JDBC,ODBC,Thrift API | 提供JDBC和ODBC API |
支持C,C#,C ++,Groovy,Java PHP,Python和Scala等编程语言 | 支持C ++,Java,PHP和Python等编程语言。 | 支持所有支持JDBC / ODBC的语言。 |
提供对触发器的支持 | 不提供任何触发器支持 | 不提供对触发器的任何支持 |