impala将结果转换成临时表_在线联机分析OLAP：impala+kudu,灵活的、实时SQL分析

在线联机分析OLAP：impala+kudu,灵活的、实时SQL分析

KUDU之前

通常数据分析：需要利用Hbase的快速插入、快读random access的特性来导入数据，HBase也允许用户对数据进行修改，HBase对于大量小规模查询也非常迅速。同时，用户使用HDFS/Parquet + Impala/Hive来对超大的数据集进行查询分析，对于这类场景， Parquet这种列式存储文件格式具有极大的优势。

然后他们会部署HDFS/Parquet + HBase混合架构

问题：架构较为复杂，而且在维护上也十分困难

用Flume或Kafka或数据导入工具如Datax,导入HBase。涉及到源数据会修改，可能在HBase上对数据做一些修改。然后每隔一段时间(每天或每周)将数据从Hbase中导入到Parquet文件，作为一个新的partition放在HDFS上，最后使用Impala等计算引擎进行查询，生成最终报表。

在Kudu出现之前，Hadoop生态环境中的储存主要依赖HDFS和HBase，追求高吞吐批处理的用例中使用HDFS，追求低延时随机读取用例下用HBase，而Kudu正好能兼顾这两者。

KUDU

Kudu是对HDFS和H