Impala能够对HDFS，Hbase中的数据，提供快速的，交互的SQL查询，除了和Hive一样使用统计的存储平台之外，Impala还使用相同的元数据，SQL语法，ODBC驱动，以及用户交互。

Impala只是提供另一种查询方式而已，并不是取代MapReduce或者Hive，相反的，Hive和其他构建在MapReduce上的框架，更多适用于批量的数据抽取，转换，ETL工作。

Impala的好处

1. 和传统的SQL语句有着类似的标准，使用起来更方便
2. 能够查询Hadoop中的大量数据
3. 分布式的查询引擎，充分利用硬件
4. 和其他框架，比如Hive，Pig等，共享数据存储，不需要额外的数据导出或者导入
5. 对于BigData处理来说，Impala实用简单，即可完成分析，而不需要为了数据分析，而去学习复杂的ETL模型，

Impala构成组件和架构

Impala Daemon

核心的Impala组件，在每个DataNode中都可以运行改组件，物理上就是一个Impalad进程，负责读写数据，接受来自impala-shell，Hue，JDBC或者ODBC的查询请求，数据的查询分布在集群中执行，查询的中间结果返回给coordinator节点。

查询可以提交任何一个impala daemon ，并且其会作为这个查询的coordinator，其他的impalad将部分查询结果返回给coordinator，coordinator负责整理成最终的结果，

impala-shell命令提交的查询功能，会直接连接命令所在机器的impala，而，对于生产环境的负载下，为了load-balance，可以借助round-robin随机方式，将每次查询请求发送不同的impalad，

impala daemon通过statestore 进行通信，来确保彼此哪个节点是健康的，能够接受新的工作。

当集群中，任何节点，create，alter，drop任何类型的数据，或者，当insert，load data语句被执行时候，impalad都会接受来自catelogd daemon（下文介绍，Impala 1.2之后引入）的消息，而在impala 1.2之前，需要使用refresh或者invalidate metadata语句完成节点之间的元数据同步。

Impala 2.9以后，可以控制哪些主机的impalad作为coordinators，哪些主机的impalad作为查询的executors，以此，针对高并发的负载，来提高集群的稳定性。

Impala Statestore

statestore用下检查所有impalad进程的健康状态，不断的将这些信息发送给所监控的每个impalad进程，物理上，是一个后台进程，叫做statestored，在集群中，只能在一个机器上启动一个statestored进程，如果任何一个impalad因为各种问题失去联系，statestore都会发现，并告诉每一个impalad，后续的查询任何不要发给这个不可到达的节点，

statestore的作用，出现错误的时候，提供帮助以及传递元数据在coordinators之间，因此，对impala集群的正常操作，不是一直很重要。如果statestore没有运行或者不可访问，impalad仍然能够运行，并且任务也能够正常分布运行，仅仅，结果只是当其他impalad失败后，集群变得不健壮而已，元数据变得不一致而已，但是，当statestore恢复后，impalad能够重新和其建立连接，statestore也能重新恢复监控和信息传递功能。

我们跟多考虑的是impalad的高可用性，statestored和catelogd并没有这样的需求，因此他们不会影响到数据丢失。当他们不可用的时候，可以停止impala服务，将对应机器上的impala statestored角色删除，并在新的机器上启动statestored服务，启动impalad服务即可。

Impala Catalog Service

同statestore一样，一个集群只能有一个catelog服务，一个进程，catelogd，作用在于，在impalad之间同步元数据的改变。另外，因为请求是通过statestored完成传递的，因此，将catelogd和statestored放在同一个host机器中最好。

当元数据因为操作语句发生改变，catelog避免使用refresh和invalidate metadata命令。当我们通过hive创建表，load data，等等，需要使用refresh和invalidate metadata同步下元数据，在任何执行查询之前。

当通过impala执行create table，insert或则其他table改变，数据改变时候，不需要执行refresh和invalidate metadata，但是通过hive执行时候或者直接操作hdfs，就需要执行refresh和invalidate metadata了，并且，只需要在一个impala节点上执行即可。

架构图如下，

impala组件和架构

Impala采用cloudera manager安装，可以看到几个组件的安装情况如下，

组件安装情况.png