Kylin和Impala区别：
既然在线分析已经使用了kylin，为啥还用impala呢？
因为kylin不够灵活，只能分析简单的星型/雪花模型，impala可以通过窗口函数，进行复杂的行为数据分析；
反之，当数据量大的时候，impala比较慢，所以只用kylin进行预计算。
一、Impala介绍
Impala 是建立在 Hadoop 生态圈的交互式 SQL 解析、执行引擎，Impala 的 SQL 语法与 Hive 高度兼容，并且提供标准的 ODBC 和 JDBC 接口。
Impala 本身不提供数据的存储服务，其底层数据可来自 HDFS、Kudu、Hbase。
impala优势：
? 和 Hive 高度相似的 SQL 语法，无需太多学习成本
? 超大数据规模 SQL 解析的能力，高效利用内存与 CPU 利用，快速返回 SQL 查询结果。
? 集成多个底层数据源，HDFS、Kudu、Hbase 等数据皆可通过 Impala 共享，并且无需进行数据同
步。
? 与 Hue 深度集成，提供可视化的 SQL 操作以及 work flow。
? 提供标准 JDBC 和 ODBC 接口，方便下游业务方无缝接入。
? 提供最多细化到列的权限管理，满足实际生产环境数据安全要求。
impala角色：
impala是一个 MPP引擎，它是基于内存进行大规模数据分析的系统。
impala-server： impalad，它是 impala 系统的计算节点，每个 impalad 角色都是对等的，没有谁是 master；这就涉及到一个问题：分布式计算的任务如何协调，如何分片？——coordinator 角色负责！
那个 impalad 接收这个 sql，谁就承担 coordinator 的角色，它自己负责解析 sql，形成执行计划，进行任务分片，然后通知到其他 impalad 来协作。
impala-state-store： 它是 impala 系统的状态协调节点，主要负责协调集群状态；imapla-server 会跟Impala-state-store 进行周期性的心跳通信，来感知集群中各个节点的状态。
impala-catalog： 元数据管理节点；其实 impala 中，每一个 impalad，都会自己在内存中缓存一份元数据；正因为每个 impalad 都会缓存元数据，就会带来一个问题：当你在 hive 中进行了建表/修改表定义/导入新数据，这些操作后，impalad 中的元数据并不会自动更新；所以，发生这些操作后，需要在 impala 的 shell 中执行一个命令： invalidate metadata这个命令一执行，接收命令的 impalad 会通知所有其他impalad 清空元数据，并请求 impala-catalog来更新自己的缓存；
如果只是对某个表定义的修改，那么可以只更新这个指定的表元数据：refresh [table].
更多大数据学习、面试资料，请扫码关注我的公众号：
