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！