目录

• 产品简介
• 发展历史
• 产品优势
• 产品功能
• 所属公司
• 相关资料

产品简介

Impala是Cloudera公司主导开发的新型查询系统，它提供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，但由于Hive底层执行使用的是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。

发展历史

Impala项目于2012年10月宣布，其目标是为数据科学家提供SQL接口和商业智能工具。Impala支持多种HDFS文件格式，但它对Parquet进行了优化，Parquet是2013年初发布的一种面向列的文件格式。Impala于2015年12月2日被接受进入Apache孵化器。

产品优势

• Impala不需要把中间结果写入磁盘，省掉了大量的I/O开销。
• 省掉了MapReduce作业启动的开销。MapReduce启动task的速度很慢（默认每个心跳间隔是3秒钟），Impala直接通过相应的服务进程来进行作业调度，速度快了很多。
• Impala完全抛弃了MapReduce这个不太适合做SQL查询的范式，而是像Dremel一样借鉴了MPP并行数据库的思想另起炉灶，因此可做更多的查询优化，从而省掉不必要的shuffle、sort等开销。
• 通过使用LLVM来统一编译运行时代码，避免了为支持通用编译而带来的不必要开销。
• 用C++实现，做了很多有针对性的硬件优化，例如使用SSE指令。
• 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。

产品功能

1. Impala可以根据Apache许可证作为开源免费提供。
2. Impala支持内存中数据处理，它访问/分析存储在Hadoop数据节点上的数据，而无需数据移动。
3. 使用类SQL查询访问数据。
4. Impala为HDFS中的数据提供了更快的访问。
5. 可以将数据存储在Impala存储系统中，如Apache HBase和Amazon s3。
6. Impala支持各种文件格式，如LZO，序列文件，Avro，RCFile和Parquet。

所属公司

Cloudera

相关资料

官网：http://impala.apache.org