Presto、Impala性能比较

下面是Presto、Impala这两种典型的内存数据库的简单测试比较，当然这种内存数据库类似的还有spark sql,这种数据库在大数据量，多表关联查询时，会展现出自己的优势，下面是一组impala和presto的性能对比图：

环境准备：1台32G内存、2台16G内存，没有完全把内存配置饱和

测试数据：hive中3张2000W数据量的表

集群：impala和presro部署在3台机器上

presto版本：presto-server-0.191 (presto安装：http://blog.csdn.net/u012551524/article/details/79013194)

impala版本：2.8.0-cdh5.11.0

1、单表的聚合操作

Presto：count

1s(presto目前只精确到整数，所以小于1s也是显示1s)

Impala：count

0.24s

Presto：count、distinct

取了3次，分别是：4、3、3 （s）

Impala：count、distinct

取了3次：0.74、0.75、0.76（s）

2、单值查询

Presto :查询一个ID的记录

3次：6、5、6（s）

Impala:

3次都在1.7s左右

3、两表关联（2张2000W的表做join）

Presto:

3次结果：9、11、9

Impala：

3次结果在7s左右

4、3表关联（3张2000W的表做join）

Presto:

4次结果：13、11、15、12（s)

Impala:

3次结果在8.9s左右

总结：这是一些场景下的查询效率的比较，数据量不是很大，但是能看出一些问题，他们的共同点就是吃内存，当然在内存充足的情况下，并且有规模适当的集群，性能应该会更可观，从上图可以看出Impala性能稍领先于presto,但是presto在数据源支持上非常丰富，包括hive、图数据库、传统关系型数据库、Redis等

缺点：这两种对hbase支持的都不好，presto 不支持，但是对hdfs、hive兼容性很好，其实这也是顺理成章的，所以数据源的处理很重要，针对hbase的二级索引查询可以用phoenix，效果也不错