Impala 思维导图模板_ProcessOn思维导图、流程图

基础信息

发展背景

impala是参照谷歌的新三篇论文当中的Dremel--交互式分析工具实现

Impala介绍

impala是cloudera提供的一款高效率的sql查询工具，性能比hive快10到100倍

特点

impala是基于hive并使用内存计算，能够对PB级数据进行交互式实时查询、分析

无需转换为MR，直接读取HDFS及HBase数据 ,从而大大降低了延迟。

C++编写，LLVM统一编译运行

LLVM：编译器，比较稳定，效率高

兼容HiveSQL

支持hive基本的一些查询等，hive中的一些复杂结构是不支持的,且不支持udf函数

具有数据仓库的特性，可对hive数据直接做数据分析

支持Data Local

数据本地化：无需数据移动，减少数据的传输， 就是说将数据和计算分配到同一个计算机上运行， 减少网络开销

支持列式存储

可以和Hbase整合：因为Hive可以和Hbasez整合

支持JDBC/ODBC远程访问

Impala劣势

对内存依赖大

官方建议内存设定128G

完全依赖hive

稳定性不如hive

内存不够会出现问题

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。

新的记录/文件被添加到HDFS中的数据目录时，该表需要手动刷新; (hive窗口中插入数据、新建数据库或表，在impala当中是不可直接查询，需要执行invalidate metadata以通知元数据的更新)

Impala与Hive关系

<ol><li>impala是基于hive的大数据分析查询引擎，直接使用hive的元数据库metadata；</li><li>impala元数据都存储在hive的metastore当中；</li><li>impala兼容hive的绝大多数sql语法；</li><li>安装启动Impala前，需要安装并启动hive的metastore服务。 </li></ol>

Hive元数据包含database、table等元信息，元数据存储在关系型数据库中，如Derby、MySQL等。

客户端并行连接metastore服务，metastore再去连接MySQL数据库来存取元数据（无需知道MySql用户密码，连接metastore即可）。

Hive适合于长时间的批处理查询分析，而Impala适合于实时交互式SQL查询。 可以先使用hive进行数据转换处理，之后使用Impala在Hive处理后的结果数据集上进行快速的数据分析。

Impala与Hive异同

Impala使用的优化技术

LLVM：编译器，比较稳定，效率高

充分利用可用的硬件指令（SSE4.2）

Impala支持多种存储格式

最大使用内存，中间结果不写磁盘，及时通过网络以stream的方式传递。

执行计划

Hive将Query编译成Mapreduce任务执行，由于Mapreduce框架的特点，所以执行效率低

Impala将Query解析编译成执行计划树，并且分发到其他Impalad节点并发执行，没有shuffle，结果保存在内存，执行效率高

数据流

Hive: 采用推的方式

计算节点计算完成后将数据主动推给后续节点

Impala: 采用拉的方式

后续节点通过getNext主动向前面节点要数据，以此方式数据可以流式的返回给客户端

内存使用

Hive: 内存放不下所有数据，则会使用外存

Impala：内存放不下，版本1.0.1是直接返回错误

调度

Hive: 任务调度依赖于Hadoop的调度策略

Impala: 调度由自己完成simple-schedule。扫描数据的进程尽量靠近数据本身所在的物理机器

容错

Hive: 依赖于Hadoop的容错能力。

Impala: 查询过程中，没有容错逻辑

适用场景

Hive：复杂的批处理查询任务

Impala：实时数据分析，不支持UDF（与Hive配合使用,对Hive的结果数据集进行实时分析）

Impala架构

Impalad

接收client的请求、Query执行并将结果返回给中心协调节点Coordinator; 子节点上的守护进程,负责向state store保持通信,汇报工作。

Catalog

分发表的元数据信息到各个impalad中； 接收来自statestore的所有请求。

Statestore

负责收集分布在集群中各个impalad进程的资源信息； 各节点健康状况，同步节点信息； 负责query的协调调度。

CLI：查询处理接口（client）

Impala-shell

Hue界面

ODBC / JDBC驱动程序

外部依赖

Hive Metastore

HDFS

运行流程

查询流程

impalad分为java前端（接受解析sql编译成执行计划树），c++后端（负责具体的执行计划树操作）

impala sql---->impalad（Coordinator）---->调用java前端编译sql成计划树------>以Thrift数据格式返回给C++后端------>根据执行计划树、数据位于路径（libhdfs和hdfs交互）、impalad状态分配执行计划查询----->汇总查询结果----->返回给java前端---->用户cli

Impala集群安装

1. impala集群安装规划 - node-3 ：impalad 、impala state store、impala catalogd、impala-shell - node-2：impalad - node-1：impalad  2. impala安装 - impala没有提供tar包只有rpm包这个rpm包只有cloudera公司 - 要么自己去官网下载impala rpm包和其相关的依赖要么自己制作本地yum源 - 特别注意本地yum源的安装需要Apache server对外提供web服务使得各个机器都可以访问下载yum源 - 在指定的每个机器上根据规划 yum安装指定的服务 - 保证hadoop hive服务正常，开启相关的服务 - hive metastore hiveserver2 - hadoop hdfs-site.xml 开启本地读取数据的功能 - 要把配置文件scp给其他机器重启 - 修改impala配置文件 - 修改bigtop 指定java路径 - 根据规划分别启动对应的impala进程 - 如果出错排查的依据就是去，日志默认都在/var/log/impala 3. impala集群的启动关闭 - 主节点按照顺序启动以下服务 service impala-state-store start service impala-catalog start service impala-server start - 从节点 service impala-server start - 如果需要关闭impala 把上述命令中start 改为stop - 通过ps -ef|grep impala 判断启动的进程是否正常如果出错日志是你解决问题的唯一依据。 /var/log/impala

Impala-shell命令参数

impala-shell外部命令

impala-shell –h

查看帮助手册

impala-shell –r

刷新impala元数据，与建立连接后执行 refresh 语句效果相同

impala-shell –f 文件路径

执行指的的sql查询文件

impala-shell –i

指定连接运行 impalad 守护进程的主机。默认端口是 21000。

impala-shell –o

保存执行结果到文件当中去

impala-shell内部命令

help;

connect hostname;

连接到指定的机器impalad上去执行

refresh dbname.tablename;

增量刷新，刷新某一张表的元数据，主要用于刷新hive 当中数据表里面的数据改变的情况。

invalidate metadata;

全量刷新，性能消耗较大，主要用于hive当中新建数据库或者 数据库表的时候来进行刷新。

quit/exit命令

explain 命令

查看sql语句的执行计划

set explain_level=3; explain的值可以设置成0,1,2,3等几个值，其中3级别是最高的，可以打印出最全的信息

profile 命令

执行sql语句之后执行，可以打印出更加详细的执行步骤， 主要用于查询结果的查看，集群的调优等

Impala sql语法

语法与hive相似

Impala数据导入方式

load data

加载数据 load data inpath '/user/impala/' into table user;

insert into values

insert into select

create as select

Impala的java开发

下载impala jdbc依赖

下载路径： https://www.cloudera.com/downloads/connectors/impala/jdbc/2-5-28.html 因为cloudera属于商业公司性质，其提供的jar并不会出现在开源的maven仓库中， 如果在企业中需要使用，请添加到企业maven私服。

创建java工程

创建普通java工程，把依赖添加到工程lib。

java api

public static void test(){  Connection con = null;  ResultSet rs = null;  PreparedStatement ps = null;  String JDBC_DRIVER = "com.cloudera.impala.jdbc41.Driver";  String CONNECTION_URL = "jdbc:impala://node-3:21050";    try {    Class.forName(JDBC_DRIVER);    con = (Connection) DriverManager.getConnection(CONNECTION_URL);    ps = con.prepareStatement("select * from my_db.employee;");    rs = ps.executeQuery();    while (rs.next()){      System.out.println(rs.getString(1));      System.out.println(rs.getString(2));      System.out.println(rs.getString(3));   }  } catch (Exception e) {    e.printStackTrace();  } finally {   try {    rs.close();    ps.close();    con.close();   } catch (SQLException e) {     e.printStackTrace();   }  } } public static void main(String[] args) {   test(); }