概述
Imala是基於Hive並使用內存進行計算，兼顧數據倉庫，具有實時，批處理，多併發等優點。因爲直接使用的Hive的metadata，也就是impala的元數據都存儲在Hive中的metadata之中，並且Impala兼容大部分Hive語法。
優點
1、Impala特別快，因爲所有的計算都可以放入內存當中進行完成，只要你內存足夠大
2、擯棄了MR的計算，改用C++來實現，有針對性的硬件優化
3、具有數據倉庫的特性，對hive的原有數據做數據分析
4、支持ODBC，jdbc遠程訪問
缺點
1、基於內存計算，對內存依賴性較大
2、改用C++編寫，意味着維護難度增大
3、基於hive，與hive共存亡，緊耦合
4、穩定性不如hive，不存在數據丟失的情況
架構
impala-server ==>啓動的守護進程，執行我們的查詢計劃 從節點，官方建議與所有的datanode裝在一起，可以通過hadoop的短路讀取特性實現數據的快速查詢
impala-statestore ==》 狀態存儲區 主節點
impalas-catalog ==》元數據管理區 主節點
查詢執行
impalad分爲frontend和backend兩個層次， frondend用java實現（通過JNI嵌入impalad）， 負責查詢計劃生成， 而backend用C++實現， 負責查詢執行。
frontend生成查詢計劃分爲兩個階段：
（1）生成單機查詢計劃，單機執行計劃與關係數據庫執行計劃相同，所用查詢優化方法也類似。
（2）生成分佈式查詢計劃。 根據單機執行計劃， 生成真正可執行的分佈式執行計劃，降低數據移動， 儘量把數據和計算放在一起。
該SQL的目標是在三表join的基礎上算聚集， 並按照聚集列排序取topN。
impala的查詢優化器支持代價模型： 利用表和分區的cardinality，每列的distinct值個數等統計數據， impala可估算執行計劃代價， 並生成較優的執行計劃。 上圖左邊是frontend查詢優化器生成的單機查詢計劃， 與傳統關係數據庫不同， 單機查詢計劃不能直接執行， 必須轉換成如圖右半部分所示的分佈式查詢計劃。 該分佈式查詢計劃共分成6個segment（圖中彩色無邊框圓角矩形）， 每個segment是可以被單臺服務器獨立執行的計劃子樹。
impala支持兩種分佈式join方式， 表廣播和哈希重分佈：
表廣播方式保持一個表的數據不動， 將另一個表廣播到所有相關節點（圖中t3）；
哈希重分佈的原理是根據join字段哈希值重新分佈兩張表數據(譬如圖中t1和t2）。
分佈式計劃中的聚集函數分拆爲兩個階段執行。第一步針對本地數據進行分組聚合（Pre-AGG）以降低數據量， 並進行數據重分步， 第二步， 進一步彙總之前的聚集結果（mergeAgg）計算出最終結果。
與聚集函數類似， topN也是分爲兩個階段執行，
（1）本地排序取topN，以降低數據量；
（2） merge sort得到最終topN結果。
Backend從frontend接收plan segment並執行， 執行性能非常關鍵，impala採取的查詢性能優化措施有向量執行。 一次getNext處理一批記錄， 多個操作符可以做pipeline。LLVM編譯執行， CPU密集型查詢效率提升5倍以上。IO本地化。 利用HDFS short-circuit local read功能，實現本地文件讀取Parquet列存，相比其他格式性能最高提升5倍。