01 引言
最近因为DataX需要集成impala，所以有必要学习下impala，本文来讲解下。
02 impala概述
2.1 简介
简介：Impala是一个MPP（大规模并行处理）SQL查询引擎：
- 是一个用
C ++和Java编写的开源软件； - 用于处理存储在
Hadoop集群中大量的数据； - 性能最高的
SQL引擎（提供类似RDBMS的体验），提供了访问存储在Hadoop分布式文件系统中的数据的最快方法。
优点：
- 使用
impala，用户可以使用传统的SQL知识以极快的速度处理存储在HDFS、HBase和Amazon s3中的数据中的数据，而无需了解Java（MapReduce作业）。 - 由于在数据驻留（在
Hadoop集群上）时执行数据处理，因此在使用Impala时，不需要对存储在Hadoop上的数据进行数据转换和数据移动。
缺点：
- 不提供任何对序列化和反序列化的支持；
- 只能读取文本文件，而不能读取自定义二进制文件；
- 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。
2.2 架构
impala主要由以下三个组件组成：
- Impala daemon（守护进程）；
- Impala Statestore（存储状态）；
- Impala元数据或metastore（元数据即元存储）。
下面来讲解下。
2.2.1 Impalad（守护进程）
daemon安装在Impala的每个节点上运行，它接受来自各种接口的查询，然后将工作分发到Impala集群中的其它Impala节点来并行化查询，结果返回到中央协调节。
可以将查询提交到专用Impalad或以负载平衡方式提交到集群中的另一Impalad
2.2.2 Statestore（存储状态）
Statestore负责检查每个Impalad的运行状况，然后经常将每个Impala Daemon运行状况中继给其他守护程序，如果由于任何原因导致节点故障的情况下，Statestore将更新所有其他节点关于此故障，并且一旦此类通知可用于其他Impalad，则其他Impala守护程序不会向受影响的节点分配任何进一步的查询。
2.2.3 metadata（元数据）/metastore（元存储）
Impala使用传统的MySQL或PostgreSQL数据库来存储表定义和列信息这些元数据。
当表定义或表数据更新时，其它Impala后台进程必须通过检索最新元数据来更新其元数据缓存，然后对相关表发出新查询。
03 impala 安装
详细安装方式可以参考：https://www.w3cschool.cn/impala/impala_environment.html
安装方式这里不会详解，大致讲一下流程：
- 下载QuickStartVM
- 下载
cloudera-quickstart-vm-5.5.0-0-virtualbox.ovf文件后，我们需要使用虚拟盒导入 - 然后启动
Impala，打开终端并执行命令：impala-shell
04 impala 接口
Impala提供了三种方式去做查询处理：
- Impala-shell ：命令窗口中键入
impala-shell命令来启动Impala shell； - Hue界面 ：您可以使用
Hue浏览器处理Impala查询； - ODBC / JDBC驱动程序 ：与其他数据库一样，
Impala提供ODBC / JDBC驱动程序。
在做查询处理之前，很有必要了解impala的数据类型：
| 数据类型 | 描述 |
| BIGINT | 此数据类型存储数值，此数据类型的范围为-9223372036854775808至9223372036854775807.此数据类型在create table和alter table语句中使用 |
| BOOLEAN | 此数据类型只存储true或false值，它用于create table语句的列定义 |
| CHAR | 此数据类型是固定长度的存储，它用空格填充，可以存储最大长度为255 |
| DECIMAL | 此数据类型用于存储十进制值，并在create table和alter table语句中使用 |
| DOUBLE | 此数据类型用于存储正值或负值4.94065645841246544e-324d -1.79769313486231570e + 308范围内的浮点值 |
| FLOAT | 此数据类型用于存储正或负1.40129846432481707e-45 … 3.40282346638528860e + 38范围内的单精度浮点值数据类型 |
| INT | 此数据类型用于存储4字节整数，范围从-2147483648到2147483647 |
| SMALLINT | 此数据类型用于存储2字节整数，范围为-32768到32767 |
| STRING | 这用于存储字符串值 |
| TIMESTAMP | 此数据类型用于表示时间中的点 |
| TINYINT | 此数据类型用于存储1字节整数值，范围为-128到127 |
| VARCHAR | 此数据类型用于存储可变长度字符，最大长度为65,535 |
| ARRAY | 这是一个复杂的数据类型，它用于存储可变数量的有序元素 |
| Map | 这是一个复杂的数据类型，它用于存储可变数量的键值对 |
| Struct | 这是一种复杂的数据类型，用于表示单个项目的多个字段 |
05 impala 查询处理
5.1 database
创建数据库：
-- 示例： CREATE DATABASE IF NOT EXISTS database_name;
删除数据库：
-- 语法： DROP (DATABASE|SCHEMA) [IF EXISTS] database_name [RESTRICT | CASCADE] [LOCATION hdfs_path]; -- 示例： DROP DATABASE IF EXISTS sample_database;
选择数据库：
-- 语法： USE db_name;
5.2 table
创建表：
-- 语法： create table IF NOT EXISTS database_name.table_name ( column1 data_type, column2 data_type, column3 data_type, ……… columnN data_type ); -- 示例： CREATE TABLE IF NOT EXISTS my_db.student (name STRING, age INT, contact INT );
插入表：
-- 语法： insert into table_name (column1, column2, column3,...columnN) values (value1, value2, value3,...valueN); insert overwrite table_name values (value1, value2, value2); -- 示例： insert into employee (ID,NAME,AGE,ADDRESS,SALARY)VALUES (1, 'Ramesh', 32, 'Ahmedabad', 20000 ); insert overwrite employee values (1, 'Ram', 26, 'Vishakhapatnam', 37000 );
查询表：
-- 语法： SELECT column1, column2, columnN from table_name; --示例： select name, age from customers;
表描述：
-- 语法： describe table_name; -- 示例： describe customer;
修改表（重命名表案例，其它自行查阅）：
-- 语法： ALTER TABLE [old_db_name.]old_table_name RENAME TO [new_db_name.]new_table_name -- 示例： ALTER TABLE my_db.customers RENAME TO my_db.users;
删除表：
-- 语法： DROP table database_name.table_name; --示例： drop table if exists my_db.student;
截断表：
-- 语法： truncate table_name; -- 示例： truncate customers;
显示表：
show tables
创建视图：
-- 语法： Create View IF NOT EXISTS view_name as Select statement -- 示例： CREATE VIEW IF NOT EXISTS customers_view AS select name, age from customers;
修改视图：
-- 语法 ALTER VIEW database_name.view_name为Select语句 -- 示例 Alter view customers_view as select id, name, salary from customers;
删除视图：
-- 语法： DROP VIEW database_name.view_name; -- 示例： Drop view customers_view;
5.3 条件
order by 子句：
--语法 select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST] --示例 Select * from customers ORDER BY id asc;
group by 字句：
-- 语法 select data from table_name Group BY col_name; -- 示例 Select name, sum(salary) from customers Group BY name;
having 子句：
--语法 select * from table_name ORDER BY col_name [ASC|DESC] [NULLS FIRST|NULLS LAST] -- 示例 select max(salary) from customers group by age having max(salary) > 20000;
limit限制：
-- 语法： select * from table_name order by id limit numerical_expression;
offset偏移：
-- 示例： select * from customers order by id limit 4 offset 0;
union聚合：
-- 语法： query1 union query2; -- 示例： select * from customers order by id limit 3 union select * from employee order by id limit 3;
with子句：
-- 语法： with x as (select 1), y as (select 2) (select * from x union y); -- 示例： with t1 as (select * from customers where age>25), t2 as (select * from employee where age>25) (select * from t1 union select * from t2);
distinct去重：
-- 语法： select distinct columns… from table_name; -- 示例： select distinct id, name, age, salary from customers;
06 文末
本文主要讲解了impala的一些概念以及查询处理方式，谢谢大家的阅读，本文完！
