Impala和Hive两者都是构建在Hadoop之上的大数据查询分析工具，他们之间有什么区别和联系呢？
1.从客户端来看
Impala和Hive有许多相同之处，如数据表元数据、ODBC/JDBC驱动、SQL语法等，但是他们还是有不同之处的，Hive适合长时间的批处理查询分析，而Impala适合实时交互式查询分析。Impala给数据分析人员提供了快速实验、验证想法的大数据分析工具，可以先使用hive进行数据转换处理，然后使用Impala在Hive处理后的结果集之上进行快速的数据分析。
下图可以看下Impala和Hive的区别与联系：
2.从技术上来看
- 执行计划：Impala没有使用Mr进行并行计算，mr是面向批处理的方式，而Impala是面向交互式的并行计算。Impala把整个查询解析成执行计划树，在分发执行计划后，使用拉式获取计算结果，把结果数据组成按执行树流式传递汇集，减少了中间结果写入磁盘的步骤，再从磁盘读取数据的开销；
- 执行方式：Impala使用服务的方式，避免每次执行查询都要启动的开销，即相比Hive节省了启动mapreduce的开销；
- 数据存储：都支持把数据存储在HDFS和HBase；
- 元数据：使用相同的元数据；
- Sql解析：比较相似，都是通过语法分析生成的执行计划；
- 数据流：
- Hive：采用推的方式，每一个计算节点task执行完成之后将计算结果一起推送给下一个task；
- Impala：采用拉的方式，后续节点通过getNext，主动向前面的节点拉取数据，以此方式获取结果以流的形式返回给客户端，只要有1条结果数据，就会立即展现在客户端，不用等到全部处理完，更符合交互式查询使用；
3.总结
所以，Hive适合复杂的批处理查询，数据转换任务，而Impala适合实时数据分析，配合Hive使用，对hive的结果数据进行实时分析。
Heath is certainly more important than money.
书山有路勤为径，学海无涯苦作舟。
欢迎关注微信公众号：【程序员写书】
喜欢宠物的朋友可以关注：【电巴克宠物Pets】
一起学习，一起进步。