Impala隐藏的惊天秘密

元数据作为大数据的源泉，有着非常重要的作用。可在Impala中却隐藏着一个秘密？和元数据有着颇深的渊源，我们一起来追溯！

一、Impala体系结构

（1）每个slave节点运行一个Impala进程，和HDFS的DataNode进程同时协作

（2）两个其他的进程运行在master节点，用来支持查询执行

1、State Store进程：为ImpalaDaemon提供查找服务，并周期性地检查Impala进程状态

2、Catalog进程：把元数据的变更同步到所有ImpalaDaemons中

二、Impala如何执行查询

（1）Impala daemon查询执行过程

客户端（Impala-shell或Hue）连接到Impala daemon，它是Coordinator。Coordinator从State Store请求其他的Impala daemons，并把查询分发给其他的Impala daemons，最后返回结果给客户端。

三、元数据缓存

根据Impala的查询功能，我们可以知道在Impala里面存在元数据的缓存。元数据保存在Hive的Metastore里面，那么元数据缓存的作用是什么呢？就是在Impala启动的时候，将元数据缓存到Impala daemon的节点。当Impala daemon发起元数据变更的时候，比如说创建表，删除表，或者修改表的定义，这些都是可以缓存下来的。如果我们去查询表信息的时候，可以从缓存里面找到，直接在节点中进行查询,所以在每个Impala daemon里面有metadata cache节点用作缓存。

而当Impala进程改变了元数据，将会提示catalog服务，Catalog服务通知所有Impala daemons来更新缓存。

四、外部改变和元数据缓存

我们上面讲的都是内部的改变，然而很多时候还会有外部的改变，可外部的改变对于Impala来说是未知的，比如：

（1）Hive、Hcatalog或HueMetadata Manager改变了元数据

（2）数据直接添加到HDFS目录

外部的改变将导致Impala元数据缓存变得不可用，我们必须手动的刷新或验证Impala的元数据缓存。

当然，这种改变根据改变内容和性质的不同，有不同的方法去更新，比如：

有疑问，欢迎关注微信公众“大数据cn”来提问