Impala查询详解第一篇——简介

Impala的定位是一种新型的MPP查询引擎，但是它又不是典型的MPP类型的SQL引擎，提到MPP数据库首先想到的可能是GreenPlum，它的每一个节点完全独立，节点直接不共享数据，节点之间的信息传递全都通过网络实现。而Impala可以说是一个MPP计算引擎，它需要处理的数据存储在HDFS、Hbase或者Kudu之上，这些存储引擎都是独立于Impala的，可以称之为第三方存储引擎，Impala使用MPP的思想实现了计算。

对于每一个Impala执行的SQL，可能同时在多个工作节点上运行计算，每一个节点执行查询任务的一部分，然后通过网络通信传递给下一个子任务，中间数据尽可能的不落地（写磁盘，无论是本地还是第三方存储引擎）。之所以Impala能够提供较高性能的查询服务，最根本的原因就在于这两点：中间数据不落地；任务尽可能并行化。当然，还有一些实现细节也是非常重要的，本文就从一个SQL的执行过程来详细介绍Impala是如何处理查询的。

名词解释

• Impala：一个SQL查询引擎
• HDFS：分布式数据存储引擎
• catalogd：impala系统中的元数据服务节点
• statestored：impala系统中的消息同步节点
• impalad：impala系统中的任务执行节点
• coordinator：impalad节点中的协调者模块，对外提供查询接口，包括beeswax和HiveServer2接口
• backend：impalad节点中任务执行模块，提供执行任务的接口
• BE：impalad代码上划分的frontend部分，使用JAVA实现
• FE：impalad代码上划分的backend部分，使用C++实现
• beeswax接口：impalad提供的一种SQL查询接口。
• HiveServer2接口：impalad提供的一种兼容HiveServer2的接口。
• Analyser：Impala FE中实现的SQL解析器。
• Planner：Impala FE中实现的S