七十二Impala的简介与安装部署

Posted 2022-12-04 象在舞

咱们前面几篇文章穿插了些CDH的内容，因为咱们的Impala的安装是基于CDH的，所以提前将如何部署安装CDH讲解了一下。本文我们来看一下Impala的相关知识。关注专栏《破茧成蝶——大数据篇》，查看更多相关的内容~

---

目录

一、Impala概述

1.1 Impala是什么

1.2 Impala的优缺点

1.2.1 优点

1.2.2 缺点

1.3 Impala的架构

二、Impala的安装

2.1 Impala的安装

2.2 Impala的测试

---

一、Impala概述

1.1 Impala是什么

Impala是由Cloudera公司推出，提供对HDFS、HBase数据的高性能、低延迟的交互式SQL查询。它基于Hive，使用内存计算，兼顾数据仓库、具有实时、批处理、多并发等优点，是CDH平台首选的PB级大数据实时查询分析引擎。

1.2 Impala的优缺点

1.2.1 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。

1.2.2 缺点

1、对内存的依赖大，且完全依赖于Hive。

2、当分区超过1万，性能严重下降。

3、只能读取文本文件，而不能直接读取自定义二进制文件。

4、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。

1.3 Impala的架构

Impala自身包含三个模块：Impalad、Statestore和Catalog，除此之外它还依赖Hive Metastore和HDFS。

1、Impalad：

（1）接收client的请求、Query执行并返回给中心协调节点。

（2）子节点上的守护进程，负责向statestore保持通信，汇报工作。

2、Catalog：

（1）分发表的元数据信息到各个impalad中。

（2）接收来自statestore的所有请求。

3、Statestore：

（1）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。

（2）负责query的协调调度。

二、Impala的安装

Impala的安装我们只介绍基于CDH的安装，这种方式相对比较便捷。Impala的官网请点击这里~

2.1 Impala的安装

1、打开cloudera manager的监控界面

2、点击添加服务

3、选择Impala

4、进行角色分配

5、启动Impala

至此，说明安装成功。

2.2 Impala的测试

1、启动Impala

[root@cdh-slave03 ~]# impala-shell

2、创建数据库并使用

3、创建表

4、加载数据到表

这里需要注意的是，在加载数据的时候，需要对hdfs上的文件目录赋权，如下所示：

hdfs dfs -chmod -R 777 /xzw

 并且在监控界面需要修改相应的权限，如下图所示：

5、查询

6、退出

quit;

 

以上就是本文的所有内容，比较简单。你们在此过程中遇到了什么问题，欢迎留言，让我看看你们都遇到了哪些问题~