【Impala】学习笔记

【一】Impala介绍

【1】简介

（1）简介

Impala是Cloudera公司主导开发的新型查询系统，提供SQL语义，能查询存储在Hadoop的HDFS和Hbase中的PB级大数据。已有的Hive系统虽然也提供了sql语义，但是由于Hive底层之心使用的是MapReduce引擎，仍然是一个批处理过程，难以满足查询的交互性。相比之下，Impala的最大特点也是最大卖点就是它的快速。

Impala是建立砸Hadoop生态圈的交互式sql解析、执行引擎，Impala的sql语法和Hive高度兼容，并且提供标准的ODBC和JDBC接口。

Impala本身不提供数据的存储服务，其底层数据可来自HDFS、Kudu、Hbase

Impala是一个MPP（大规模并行处理）SQL查询引擎：
1-是一个用C ++和Java编写的开源软件；
2-用于处理存储在Hadoop集群中大量的数据；
3-性能最高的SQL引擎（提供类似RDBMS的体验），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。

（2）优点

（1）基于内存运算，不需要把中间结果写入磁盘，省掉了大量的I/O开销。
（2）无需转换为Mapreduce，直接访问存储在HDFS，HBase中的数据进行作业调度，速度快。
（3）使用了支持Data locality的I/O调度机制，尽可能地将数据和计算分配在同一台机器上进行，减少了网络开销。
（4）支持各种文件格式，如TEXTFILE 、SEQUENCEFILE 、RCFile、Parquet。
（5）可以访问hive的metastore，对hive数据直接做数据分析。

（3）缺点

1-不提供任何对序列化和反序列化的支持；
2-只能读取文本文件，而不能读取自定义二进制文件；
3-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。

【2】架构

impala主要由以下三个组件组成：
（1）Impala daemon（守护进程）；
（2）Impala Statestore（存储状态）；
（3）Impala元数据或metastore（元数据即元存储）。

（1）Impalad（守护进程）

daemon安装在Impala的每个节点上运行，它接受来自各种接口的查询，然后将工作分发到Impala集群中的其它Impala节点来并行化查询，结果返回到中央协调节。

可以将查询提交到专用Impalad或以负载平衡方式提交到集群中的另一Impalad

（2）Statestore（存储状态）

Statestore负责检查每个Impalad的运行状况，然后经常将每个Impala Daemon运行状况中继给其他守护程序，如果由于任何原因导致节点故障的情况下，Statestore将更新所有其他节点关于此故障，并且一旦此类通知可用于其他Impalad，则其他Impala守护程序不会向受影响的节点分配任何进一步的查询。

（3）metadata（元数据）/metastore（元存储）

Impala使用传统的MySQL或PostgreSQL数据库来存储表定义和列信息这些元数据。

当表定义或表数据更新时，其它Impala后台进程必须通过检索最新元数据来更新其元数据缓存，然后对相关表发出新查询。

【三】Impala安装

【四】Impala接口

Impala提供了三种方式去做查询处理：
（1）Impala-shell ：命令窗口中键入impala-shell命令来启动Impala shell；
（2）Hue界面 ：您可以使用Hue浏览器处理Impala查询；
（3）ODBC / JDBC驱动程序 ：与其他数据库一样，Impala提供ODBC / JDBC驱动程序。

了解impala的数据类型：

【五】Impala查询处理

【1】database

（1）创建数据库

-- 示例：
CREATE DATABASE IF NOT EXISTS database_name;

（2）删除数据库

-- 语法：
DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT | 
CASCADE] [LOCATION hdfs_path];

-- 示例：
DROP DATABASE IF EXISTS samp`在这里插入代码片`le_database;

（3）选择数据库

-- 语法：
USE db_name;

【2】table

（1）创建表

-- 语法：
create table IF NOT EXISTS database_name.table_name (
   column1 data_type,
   column2 data_type,
   column3 data_type,
   ………
   columnN data_type
);

-- 示例：
CREATE TABLE IF NOT EXISTS my_db.student
   (name STRING, age INT, contact INT );

（2）插入表

-- 语法：
insert into table_name (column1, column2, column3,...columnN) values (value1, value2, value3,...valueN);
insert overwrite table_name values (value1, value2, value2);

-- 示例：
insert into employee (ID,NAME,AGE,ADDRESS,SALARY)VALUES (1, 'Ramesh', 32, 'Ahmedabad', 20000 );
insert overwrite employee values (1, 'Ram', 26, 'Vishakhapatnam', 37000 );

（3）查询表

-- 语法：
SELECT column1, column2, columnN from table_name;

--示例：
select name, age from customers; 

（4）表描述

-- 语法：
describe table_name;

-- 示例：
describe customer;

（5）修改表（重命名表案例，其它自行查阅）：

-- 语法：
ALTER TABLE [old_db_name.]old_table_name RENAME TO [new_db_name.]new_table_name

-- 示例：
ALTER TABLE my_db.customers RENAME TO my_db.users;

（6）删除表

-- 语法：
DROP table database_name.table_name;

--示例：
drop table if exists my_db.student;

（7）截断表

-- 语法：
truncate table_name;

-- 示例：
truncate customers;

（8）显示表

show tables 

（9）创建视图

-- 语法：
Create View IF NOT EXISTS view_name as Select statement
-- 示例：
CREATE VIEW IF NOT EXISTS customers_view AS select name, age from customers;

（10）修改视图

-- 语法
ALTER VIEW database_name.view_name为Select语句
-- 示例
Alter view customers_view as select id, name, salary from customers;

（11）删除视图

-- 语法：
DROP VIEW database_name.view_name;
-- 示例：
Drop view customers_view;

【3】条件

（1）order by 子句

--语法
select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST]
--示例
Select * from customers ORDER BY id asc;

（2）group by 字句

-- 语法
select data from table_name Group BY col_name;
-- 示例
Select name, sum(salary) from customers Group BY name;

（3）having子句

--语法
select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST]
-- 示例
select max(salary) from customers group by age having max(salary) > 20000;

（4）limit限制

-- 语法：
select * from table_name order by id limit numerical_expression;

（5）offset偏移

-- 示例：
select * from customers order by id limit 4 offset 0;

（6）union聚合

-- 语法：
query1 union query2;
-- 示例：
select * from customers order by id limit 3
union select * from employee order by id limit 3;

（7）with子句

-- 语法：
with x as (select 1), y as (select 2) (select * from x union y);
-- 示例：
with t1 as (select * from customers where age>25), 
   t2 as (select * from employee where age>25) 
   (select * from t1 union select * from t2);

（8）distinct去重

-- 语法：
select distinct columns… from table_name;
-- 示例：
select distinct id, name, age, salary from customers;