为什么使用Hive和Impala

Impala 与Hive都是构建在Hadoop之上的数据查询工具，但是各有不同侧重，那么我们为什么要同时使用这两个工具呢？单独使用Hive或者Impala不可以吗？

一、介绍Impala和Hive

（1）Impala和Hive都是提供对HDFS/Hbase数据进行SQL查询的工具，Hive会转换成MapReduce，借助于YARN进行调度从而实现对HDFS的数据的访问，而Impala直接对HDFS进行数据查询。但是他们都是提供如下的标准SQL语句，在机身里运行。

（2）Apache Hive是MapReduce的高级抽象，使用HiveQL,Hive可以生成运行在Hadoop集群的MapReduce或Spark作业。Hive最初由Facebook大约在2007年开发,现在是Apache的开源项目。

Apache Impala是高性能的专用SQL引擎，使用Impala SQL，因为Impala无需借助任何的框架，直接实现对数据块的查询，所以查询延迟毫秒级。Impala受到Google的Dremel项目启发，2012年由Cloudera开发，现在是Apache开源项目。

二、Impala和Hive有什么不同？

（1）Hive有很多的特性：

1、对复杂数据类型（比如arrays和maps）和窗口分析更广泛的支持

2、高扩展性

3、通常用于批处理

（2）Impala更快

1、专业的SQL引擎，提供了5x到50x更好的性能

2、理想的交互式查询和数据分析工具

3、更多的特性正在添加进来

三、高级概述：

四、为什么要使用Hive和Impala?

1、为数据分析人员带来了海量数据分析能力,不需要软件开发经验,运用已掌握的SQL知识进行数据的分析。

2、比直接写MapReduce或Spark具有更好的生产力，5行HiveQL/Impala SQL等同于200行或更多的Java代码。

3、提供了与其他系统良好的互操作性，比如通过Java和外部脚本扩展，而且很多商业智能工具支持Hive和Impala。

五、Hive和Impala使用案例

（1）日志文件分析

日志是普遍的数据类型，是当下大数据时代重要的数据源，结构不固定，可以通过Flume和kafka将日志采集放到HDFS，然后分析日志的结构，根据日志的分隔符去建立一个表，接下来运用Hive和Impala 进行数据的分析。例如：

（2）情感分析

很多组织使用Hive或Impala来分析社交媒体覆盖情况。例如：

（3）商业智能

很多领先的BI工具支持Hive和Impala

看了Hive和Impala的作用及功效阐述，对于掌握Hadoop数据处理有着重要作用。大家在平常要多去积累和总结经验，不断提升技能水平。我自己平时除了总结自己的经验教训，还喜欢看别人分享的知识，取长补短，对于完善自己的知识架构有着重要作用。像“CSDN”论坛，“大数据cn”，“大数据时代学习中心”微信服务号都挺不错，总之，努力汲取多方面知识，我们就会取得更大进步！