一、Hadoop介紹

Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)。用戶可以在不了解分布式底層細(xì)節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進(jìn)行高速運算和存儲。

Hadoop實現(xiàn)了一個分布式文件系統(tǒng)（HadoopDistributedFileSystem），簡稱HDFS。HDFS有高容錯性的特點，并且設(shè)計用來部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（highthroughput）來訪問應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集（largedataset）的應(yīng)用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streamingaccess）文件系統(tǒng)中的數(shù)據(jù)。

Hadoop的核心架構(gòu)

HDFS

對外部客戶機(jī)而言，HDFS就像一個傳統(tǒng)的分級文件系統(tǒng)。可以創(chuàng)建、刪除、移動或重命名文件，等等。但是HDFS的架構(gòu)是基于一組特定的節(jié)點構(gòu)建的（參見圖1），這是由它自身的特點決定的。這些節(jié)點包括NameNode（僅一個），它在HDFS內(nèi)部提供元數(shù)據(jù)服務(wù)；DataNode，它為HDFS提供存儲塊。由于僅存在一個NameNode，因此這是HDFS的一個缺點（單點失敗）。

存儲在HDFS中的文件被分成塊，然后將這些塊復(fù)制到多個計算機(jī)中（DataNode）。這與傳統(tǒng)的RAID架構(gòu)大不相同。塊的大小（通常為64MB）和復(fù)制的塊數(shù)量在創(chuàng)建文件時由客戶機(jī)決定。NameNode可以控制所有文件操作。HDFS內(nèi)部的所有通信都基于標(biāo)準(zhǔn)的TCP/IP協(xié)議。

NameNode

NameNode是一個通常在HDFS實例中的單獨機(jī)器上運行的軟件。它負(fù)責(zé)管理文件系統(tǒng)名稱空間和控制外部客戶機(jī)的訪問。NameNode決定是否將文件映射到DataNode上的復(fù)制塊上。對于最常見的3個復(fù)制塊，第一個復(fù)制塊存儲在同一機(jī)架的不同節(jié)點上，最后一個復(fù)制塊存儲在不同機(jī)架的某個節(jié)點上。注意，這里需要您了解集群架構(gòu)。

二、hive介紹

Hive是部署在hadoop集群上的數(shù)據(jù)倉庫工具。

數(shù)據(jù)庫和數(shù)據(jù)倉庫的區(qū)別：

數(shù)據(jù)庫（如常用關(guān)系型數(shù)據(jù)庫）可以支持實時增刪改查。

數(shù)據(jù)倉庫不僅僅是為了存放數(shù)據(jù)，它可以存放海量數(shù)據(jù)，而且可以查詢、分析和計算存儲在Hadoop中的大規(guī)模數(shù)據(jù)。但他有一個弱點，他不能進(jìn)行實時的更新、刪除等操作。也就是一次寫入多次讀取。

Hive也定義了簡單的類SQL查詢語言，稱為QL，它允許熟悉SQL的用戶查詢數(shù)據(jù)。現(xiàn)在hive2.0也支持更新、索引和事務(wù)，幾乎SQL的其它特征都能支持。

Hive支持SQL92大部分功能，我們暫時可以把hive理解成一個關(guān)系型數(shù)據(jù)庫，語法和MySQL是幾乎是一樣的。

Hive是Hadoop上的數(shù)據(jù)倉庫基礎(chǔ)構(gòu)架之一，是SQL解析引擎，它可以將SQL轉(zhuǎn)換成MapReduce任務(wù)，然后在Hadoop執(zhí)行。

實際的I/O事務(wù)并沒有經(jīng)過NameNode，只有表示DataNode和塊的文件映射的元數(shù)據(jù)經(jīng)過NameNode。當(dāng)外部客戶機(jī)發(fā)送請求要求創(chuàng)建文件時，NameNode會以塊標(biāo)識和該塊的第一個副本的DataNodeIP地址作為響應(yīng)。這個NameNode還會通知其他將要接收該塊的副本的DataNode。

NameNode在一個稱為FsImage的文件中存儲所有關(guān)于文件系統(tǒng)名稱空間的信息。這個文件和一個包含所有事務(wù)的記錄文件（這里是EditLog）將存儲在NameNode的本地文件系統(tǒng)上。FsImage和EditLog文件也需要復(fù)制副本，以防文件損壞或NameNode系統(tǒng)丟失。

NameNode本身不可避免地具有SPOF（SinglePointOfFailure）單點失效的風(fēng)險，主備模式并不能解決這個問題，通過HadoopNon-stopnamenode才能實現(xiàn)100%uptime可用時間。

DataNode

DataNode也是一個通常在HDFS實例中的單獨機(jī)器上運行的軟件。Hadoop集群包含一個NameNode和大量DataNode。DataNode通常以機(jī)架的形式組織，機(jī)架通過一個交換機(jī)將所有系統(tǒng)連接起來。Hadoop的一個假設(shè)是：機(jī)架內(nèi)部節(jié)點之間的傳輸速度快于機(jī)架間節(jié)點的傳輸速度。

DataNode響應(yīng)來自HDFS客戶機(jī)的讀寫請求。它們還響應(yīng)來自NameNode的創(chuàng)建、刪除和復(fù)制塊的命令。NameNode依賴來自每個DataNode的定期心跳（heartbeat）消息。每條消息都包含一個塊報告，NameNode可以根據(jù)這個報告驗證塊映射和其他文件系統(tǒng)元數(shù)據(jù)。如果DataNode不能發(fā)送心跳消息，NameNode將采取修復(fù)措施，重新復(fù)制在該節(jié)點上丟失的塊。

文件操作

可見，HDFS并不是一個萬能的文件系統(tǒng)。它的主要目的是支持以流的形式訪問寫入的大型文件。

如果客戶機(jī)想將文件寫到HDFS上，首先需要將該文件緩存到本地的臨時存儲。如果緩存的數(shù)據(jù)大于所需的HDFS塊大小，創(chuàng)建文件的請求將發(fā)送給NameNode。NameNode將以DataNode標(biāo)識和目標(biāo)塊響應(yīng)客戶機(jī)。

同時也通知將要保存文件塊副本的DataNode。當(dāng)客戶機(jī)開始將臨時文件發(fā)送給第一個DataNode時，將立即通過管道方式將塊內(nèi)容轉(zhuǎn)發(fā)給副本DataNode。客戶機(jī)也負(fù)責(zé)創(chuàng)建保存在相同HDFS名稱空間中的校驗和（checksum）文件。

在最后的文件塊發(fā)送之后，NameNode將文件創(chuàng)建提交到它的持久化元數(shù)據(jù)存儲（在EditLog和FsImage文件）。

Linux集群

Hadoop框架可在單一的Linux平臺上使用（開發(fā)和調(diào)試時），官方提供MiniCluster作為單元測試使用，不過使用存放在機(jī)架上的商業(yè)服務(wù)器才能發(fā)揮它的力量。這些機(jī)架組成一個Hadoop集群。它通過集群拓?fù)渲R決定如何在整個集群中分配作業(yè)和文件。Hadoop假定節(jié)點可能失敗，因此采用本機(jī)方法處理單個計算機(jī)甚至所有機(jī)架的失敗。

Hive的系統(tǒng)架構(gòu)

?用戶接口，包括CLI（Shell命令行），JDBC/ODBC，WebUI

?MetaStore元數(shù)據(jù)庫，通常是存儲在關(guān)系數(shù)據(jù)庫如mysql，derby中

?Driver包含解釋器、編譯器、優(yōu)化器、執(zhí)行器

?Hadoop：用HDFS進(jìn)行存儲，利用MapReduce進(jìn)行計算

Hive的表和數(shù)據(jù)庫，對應(yīng)的其實是HDFS（Hadoop分布式文件系統(tǒng)）的目錄/文件，按表名把文件夾分開。如果是分區(qū)表，則分區(qū)值是子文件夾，可以直接在MapReduceJob里使用這些數(shù)據(jù)。

三、Hive與Hadoop生態(tài)系統(tǒng)中其他組件的關(guān)系

1、Hive依賴于HDFS存儲數(shù)據(jù)，依賴MR處理數(shù)據(jù)；

2、Pig可作為Hive的替代工具，是一種數(shù)據(jù)流語言和運行環(huán)境，適合用于在Hadoop平臺上查詢半結(jié)構(gòu)化數(shù)據(jù)集，用于與ETL過程的一部分，即將外部數(shù)據(jù)裝載到Hadoop集群中，轉(zhuǎn)換為用戶需要的數(shù)據(jù)格式；

3、HBase是一個面向列的、分布式可伸縮的數(shù)據(jù)庫，可提供數(shù)據(jù)的實時訪問功能，而Hive只能處理靜態(tài)數(shù)據(jù)，主要是BI報表數(shù)據(jù)，Hive的初衷是為減少復(fù)雜MR應(yīng)用程序的編寫工作，HBase則是為了實現(xiàn)對數(shù)據(jù)的實時訪問。

Hive與傳統(tǒng)數(shù)據(jù)庫的對比

四、Hive的部署和應(yīng)用

Hive在企業(yè)大數(shù)據(jù)分析平臺中的應(yīng)用

當(dāng)前企業(yè)中部署的大數(shù)據(jù)分析平臺，除Hadoop的基本組件HDFS和MR外，還結(jié)合使用Hive、Pig、HBase、Mahout，從而滿足不同業(yè)務(wù)場景需求。

圖企業(yè)中一種常見的大數(shù)據(jù)分析平臺部署框架

上圖是企業(yè)中一種常見的大數(shù)據(jù)分析平臺部署框架，在這種部署架構(gòu)中：

Hive和Pig用于報表中心，Hive用于分析報表，Pig用于報表中數(shù)據(jù)的轉(zhuǎn)換工作。

HBase用于在線業(yè)務(wù)，HDFS不支持隨機(jī)讀寫操作，而HBase正是為此開發(fā)，可較好地支持實時訪問數(shù)據(jù)。

Mahout提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典算法實現(xiàn)，用于創(chuàng)建商務(wù)智能（BI）應(yīng)用程序。

五、Hive工作原理

1、SQL語句轉(zhuǎn)換成MapReduce作業(yè)的基本原理

1.1用MapReduce實現(xiàn)連接操作

假設(shè)連接（join）的兩個表分別是用戶表User（uid，name）和訂單表Order（uid，orderid），具體的SQL命令：

SELECTname，orderidFROMUseruJOINOrderoONu.uid=o.uid;

上圖描述了連接操作轉(zhuǎn)換為MapReduce操作任務(wù)的具體執(zhí)行過程。

首先，在Map階段，

User表以uid為key，以name和表的標(biāo)記位（這里User的標(biāo)記位記為1）為value，進(jìn)行Map操作，把表中記錄轉(zhuǎn)換生成一系列KV對的形式。比如，User表中記錄（1，Lily）轉(zhuǎn)換為鍵值對（1，《1，Lily》），其中第一個“1”是uid的值，第二個“1”是表User的標(biāo)記位，用來標(biāo)示這個鍵值對來自User表；

同樣，Order表以uid為key，以orderid和表的標(biāo)記位（這里表Order的標(biāo)記位記為2）為值進(jìn)行Map操作，把表中的記錄轉(zhuǎn)換生成一系列KV對的形式；

接著，在Shuffle階段，把User表和Order表生成的KV對按鍵值進(jìn)行Hash，然后傳送給對應(yīng)的Reduce機(jī)器執(zhí)行。比如KV對（1，《1，Lily》）、（1，《2，101》）、（1，《2，102》）傳送到同一臺Reduce機(jī)器上。當(dāng)Reduce機(jī)器接收到這些KV對時，還需按表的標(biāo)記位對這些鍵值對進(jìn)行排序，以優(yōu)化連接操作；

最后，在Reduce階段，對同一臺Reduce機(jī)器上的鍵值對，根據(jù)“值”（value）中的表標(biāo)記位，對來自表User和Order的數(shù)據(jù)進(jìn)行笛卡爾積連接操作，以生成最終的結(jié)果。比如鍵值對（1，《1，Lily》）與鍵值對（1，《2，101》）、（1，《2，102》）的連接結(jié)果是（Lily，101）、（Lily，102）。

1.2用MR實現(xiàn)分組操作

假設(shè)分?jǐn)?shù)表Score（rank，level），具有rank（排名）和level（級別）兩個屬性，需要進(jìn)行一個分組（GroupBy）操作，功能是把表Score的不同片段按照rank和level的組合值進(jìn)行合并，并計算不同的組合值有幾條記錄。SQL語句命令如下：

SELECT rank，level，count（*） as value FROM score GROUP BY rank，level;

圖用MapReduce實現(xiàn)分組操作的實現(xiàn)原理

上圖描述分組操作轉(zhuǎn)化為MapReduce任務(wù)的具體執(zhí)行過程。

首先，在Map階段，對表Score進(jìn)行Map操作，生成一系列KV對，其鍵為《rank，level》，值為“擁有該《rank，level》組合值的記錄的條數(shù)”。比如，Score表的第一片段中有兩條記錄（A，1），所以進(jìn)行Map操作后，轉(zhuǎn)化為鍵值對（《A，1》，2）;

接著在Shuffle階段，對Score表生成的鍵值對，按照“鍵”的值進(jìn)行Hash，然后根據(jù)Hash結(jié)果傳送給對應(yīng)的Reduce機(jī)器去執(zhí)行。比如，鍵值對（《A，1》，2）、（《A，1》，1）傳送到同一臺Reduce機(jī)器上，鍵值對（《B，2》，1）傳送另一Reduce機(jī)器上。然后，Reduce機(jī)器對接收到的這些鍵值對，按“鍵”的值進(jìn)行排序；

在Reduce階段，把具有相同鍵的所有鍵值對的“值”進(jìn)行累加，生成分組的最終結(jié)果。比如，在同一臺Reduce機(jī)器上的鍵值對（《A，1》，2）和（《A，1》，1）Reduce操作后的輸出結(jié)果為（A，1，3）。

2、Hive中SQL查詢轉(zhuǎn)換成MR作業(yè)的過程

當(dāng)Hive接收到一條HQL語句后，需要與Hadoop交互工作來完成該操作。HQL首先進(jìn)入驅(qū)動模塊，由驅(qū)動模塊中的編譯器解析編譯，并由優(yōu)化器對該操作進(jìn)行優(yōu)化計算，然后交給執(zhí)行器去執(zhí)行。執(zhí)行器通常啟動一個或多個MR任務(wù)，有時也不啟動（如SELECT*FROMtb1，全表掃描，不存在投影和選擇操作）

上圖是Hive把HQL語句轉(zhuǎn)化成MR任務(wù)進(jìn)行執(zhí)行的詳細(xì)過程。

由驅(qū)動模塊中的編譯器–Antlr語言識別工具，對用戶輸入的SQL語句進(jìn)行詞法和語法解析，將HQL語句轉(zhuǎn)換成抽象語法樹（ASTTree）的形式；

遍歷抽象語法樹，轉(zhuǎn)化成QueryBlock查詢單元。因為AST結(jié)構(gòu)復(fù)雜，不方便直接翻譯成MR算法程序。其中QueryBlock是一條最基本的SQL語法組成單元，包括輸入源、計算過程、和輸入三個部分；

遍歷QueryBlock，生成OperatorTree（操作樹），OperatorTree由很多邏輯操作符組成，如TableScanOperator、SelectOperator、FilterOperator、JoinOperator、GroupByOperator和ReduceSinkOperator等。這些邏輯操作符可在Map、Reduce階段完成某一特定操作；

Hive驅(qū)動模塊中的邏輯優(yōu)化器對OperatorTree進(jìn)行優(yōu)化，變換OperatorTree的形式，合并多余的操作符，減少MR任務(wù)數(shù)、以及Shuffle階段的數(shù)據(jù)量；

遍歷優(yōu)化后的OperatorTree，根據(jù)OperatorTree中的邏輯操作符生成需要執(zhí)行的MR任務(wù)；

啟動Hive驅(qū)動模塊中的物理優(yōu)化器，對生成的MR任務(wù)進(jìn)行優(yōu)化，生成最終的MR任務(wù)執(zhí)行計劃；

最后，有Hive驅(qū)動模塊中的執(zhí)行器，對最終的MR任務(wù)執(zhí)行輸出。

Hive驅(qū)動模塊中的執(zhí)行器執(zhí)行最終的MR任務(wù)時，Hive本身不會生成MR算法程序。它通過一個表示“Job執(zhí)行計劃”的XML文件，來驅(qū)動內(nèi)置的、原生的Mapper和Reducer模塊。Hive通過和JobTracker通信來初始化MR任務(wù)，而不需直接部署在JobTracker所在管理節(jié)點上執(zhí)行。通常在大型集群中，會有專門的網(wǎng)關(guān)機(jī)來部署Hive工具，這些網(wǎng)關(guān)機(jī)的作用主要是遠(yuǎn)程操作和管理節(jié)點上的JobTracker通信來執(zhí)行任務(wù)。Hive要處理的數(shù)據(jù)文件常存儲在HDFS上，HDFS由名稱節(jié)點（NameNode）來管理。

JobTracker/TaskTracker

NameNode/DataNode

六、HiveHA基本原理

在實際應(yīng)用中，Hive也暴露出不穩(wěn)定的問題，在極少數(shù)情況下，會出現(xiàn)端口不響應(yīng)或進(jìn)程丟失問題。HiveHA（HighAvailablity）可以解決這類問題。

在HiveHA中，在Hadoop集群上構(gòu)建的數(shù)據(jù)倉庫是由多個Hive實例進(jìn)行管理的，這些Hive實例被納入到一個資源池中，由HAProxy提供統(tǒng)一的對外接口。客戶端的查詢請求，首先訪問HAProxy，由HAProxy對訪問請求進(jìn)行轉(zhuǎn)發(fā)。HAProxy收到請求后，會輪詢資源池中可用的Hive實例，執(zhí)行邏輯可用性測試。

如果某個Hive實例邏輯可用，就會把客戶端的訪問請求轉(zhuǎn)發(fā)到Hive實例上；

如果某個實例不可用，就把它放入黑名單，并繼續(xù)從資源池中取出下一個Hive實例進(jìn)行邏輯可用性測試。

對于黑名單中的Hive，HiveHA會每隔一段時間進(jìn)行統(tǒng)一處理，首先嘗試重啟該Hive實例，如果重啟成功，就再次把它放入資源池中。

由于HAProxy提供統(tǒng)一的對外訪問接口，因此，對于程序開發(fā)人員來說，可把它看成一臺超強(qiáng)“Hive”。

七、Impala

1、Impala簡介

Impala由Cloudera公司開發(fā)，提供SQL語義，可查詢存儲在Hadoop和HBase上的PB級海量數(shù)據(jù)。Hive也提供SQL語義，但底層執(zhí)行任務(wù)仍借助于MR，實時性不好，查詢延遲較高。

Impala作為新一代開源大數(shù)據(jù)分析引擎，最初參照Dremel（由Google開發(fā)的交互式數(shù)據(jù)分析系統(tǒng)），支持實時計算，提供與Hive類似的功能，在性能上高出Hive3~30倍。Impala可能會超過Hive的使用率能成為Hadoop上最流行的實時計算平臺。Impala采用與商用并行關(guān)系數(shù)據(jù)庫類似的分布式查詢引擎，可直接從HDFS、HBase中用SQL語句查詢數(shù)據(jù)，不需把SQL語句轉(zhuǎn)換成MR任務(wù)，降低延遲，可很好地滿足實時查詢需求。

Impala不能替換Hive，可提供一個統(tǒng)一的平臺用于實時查詢。Impala的運行依賴于Hive的元數(shù)據(jù)（Metastore）。Impala和Hive采用相同的SQL語法、ODBC驅(qū)動程序和用戶接口，可統(tǒng)一部署Hive和Impala等分析工具，同時支持批處理和實時查詢。

2、Impala系統(tǒng)架構(gòu)

圖Impala系統(tǒng)架構(gòu)

上圖是Impala系統(tǒng)結(jié)構(gòu)圖，虛線模塊數(shù)據(jù)Impala組件。Impala和Hive、HDFS、HBase統(tǒng)一部署在Hadoop平臺上。Impala由Impalad、StateStore和CLI三部分組成。

Implalad：是Impala的一個進(jìn)程，負(fù)責(zé)協(xié)調(diào)客戶端提供的查詢執(zhí)行，給其他Impalad分配任務(wù)，以及收集其他Impalad的執(zhí)行結(jié)果進(jìn)行匯總。Impalad也會執(zhí)行其他Impalad給其分配的任務(wù)，主要是對本地HDFS和HBase里的部分?jǐn)?shù)據(jù)進(jìn)行操作。Impalad進(jìn)程主要含QueryPlanner、QueryCoordinator和QueryExecEngine三個模塊，與HDFS的數(shù)據(jù)節(jié)點（HDFSDataNode）運行在同一節(jié)點上，且完全分布運行在MPP（大規(guī)模并行處理系統(tǒng)）架構(gòu)上。

StateStore：收集分布在集群上各個Impalad進(jìn)程的資源信息，用于查詢的調(diào)度，它會創(chuàng)建一個statestored進(jìn)程，來跟蹤集群中的Impalad的健康狀態(tài)及位置信息。statestored進(jìn)程通過創(chuàng)建多個線程來處理Impalad的注冊訂閱以及與多個Impalad保持心跳連接，此外，各Impalad都會緩存一份StateStore中的信息。當(dāng)StateStore離線后，Impalad一旦發(fā)現(xiàn)StateStore處于離線狀態(tài)時，就會進(jìn)入恢復(fù)模式，并進(jìn)行返回注冊。當(dāng)StateStore重新加入集群后，自動恢復(fù)正常，更新緩存數(shù)據(jù)。

CLI：CLI給用戶提供了執(zhí)行查詢的命令行工具。Impala還提供了Hue、JDBC及ODBC使用接口。

3、Impala查詢執(zhí)行過程

圖Impala查詢執(zhí)行過程

注冊和訂閱。當(dāng)用戶提交查詢前，Impala先創(chuàng)建一個Impalad進(jìn)程來負(fù)責(zé)協(xié)調(diào)客戶端提交的查詢，該進(jìn)程會向StateStore提交注冊訂閱信息，StateStore會創(chuàng)建一個statestored進(jìn)程，statestored進(jìn)程通過創(chuàng)建多個線程來處理Impalad的注冊訂閱信息。

提交查詢。通過CLI提交一個查詢到Impalad進(jìn)程，Impalad的QueryPlanner對SQL語句解析，生成解析樹；Planner將解析樹變成若干PlanFragment，發(fā)送到QueryCoordinator。其中PlanFragment由PlanNode組成，能被分發(fā)到單獨的節(jié)點上執(zhí)行，每個PlanNode表示一個關(guān)系操作和對其執(zhí)行優(yōu)化需要的信息。

獲取元數(shù)據(jù)與數(shù)據(jù)地址。QueryCoordinator從MySQL元數(shù)據(jù)庫中獲取元數(shù)據(jù)（即查詢需要用到哪些數(shù)據(jù)），從HDFS的名稱節(jié)點中獲取數(shù)據(jù)地址（即數(shù)據(jù)被保存到哪個數(shù)據(jù)節(jié)點上），從而得到存儲這個查詢相關(guān)數(shù)據(jù)的所有數(shù)據(jù)節(jié)點。

分發(fā)查詢?nèi)蝿?wù)。QueryCoordinator初始化相應(yīng)的Impalad上的任務(wù)，即把查詢?nèi)蝿?wù)分配給所有存儲這個查詢相關(guān)數(shù)據(jù)的數(shù)據(jù)節(jié)點。

匯聚結(jié)果。QueryExecutor通過流式交換中間輸出，并由QueryCoordinator匯聚來自各個Impalad的結(jié)果。

返回結(jié)果。QueryCoordinator把匯總后的結(jié)果返回給CLI客戶端。

4、Impala與Hive

圖Impala與Hive的對比

不同點：

Hive適合長時間批處理查詢分析；而Impala適合進(jìn)行交互式SQL查詢。

Hive依賴于MR計算框架，執(zhí)行計劃組合成管道型MR任務(wù)模型進(jìn)行執(zhí)行；而Impala則把執(zhí)行計劃表現(xiàn)為一棵完整的執(zhí)行計劃樹，可更自然地分發(fā)執(zhí)行計劃到各個Impalad執(zhí)行查詢。

Hive在執(zhí)行過程中，若內(nèi)存放不下所有數(shù)據(jù)，則會使用外存，以保證查詢能夠順利執(zhí)行完成；而Impala在遇到內(nèi)存放不下數(shù)據(jù)時，不會利用外存，所以Impala處理查詢時會受到一定的限制。

相同點：

使用相同的存儲數(shù)據(jù)池，都支持把數(shù)據(jù)存儲在HDFS和HBase中，其中HDFS支持存儲TEXT、RCFILE、PARQUET、AVRO、ETC等格式的數(shù)據(jù)，HBase存儲表中記錄。

使用相同的元數(shù)據(jù)。

對SQL的解析處理比較類似，都是通過詞法分析生成執(zhí)行計劃。