Apache Impala 性能优化

前几天，ApacheImpala社区发布了性能优化的一个topics，干货慢慢，我第一次见到的完整Impala整体的侧重优化和架构设计权衡的Slide。

去年底，ApacheImpala已经成为Apache顶级项目，我还写文章介绍过，做为企业级SQL on Hadoop解决方案，已经大规模商业应用，随着CDH的发展，家喻户晓，Hadoop生态圈的贡献不可限量，性能也很优秀，曾经很长一段时间很多朋友咨询过Impala的生产环境问题，它拥有完整的权限、审计、高性能。

• 1、SparkSQL、Hive不支持即席查询。
• 2、支持更新和删除数据。
• 3、支持横向扩展高性能OLAP分析
• 4、兼容Hadoop生态，低门槛

如上，那么可以尝试ApacheImpala，完美发挥性能，需大内存，Impalad节点128G~256G。

Outline一览，全是能讲清楚Apache Impala的好东西，可以看到Impala在分布式聚合和分布式扫描统计方面一些独特的实现，它是一个真正的分布式SQL查询引擎，完美兼容HDFS，调度查询灵活。

• Impala项目的历史原因和动机
• Impala架构设计
• 侧重于性能优化概述
  • 查询计划概述
  • 查询优化
  • 元数据和统计信息
• Back-end
  • Partitioning and sorting for Selective scans
  • Code-generation using LLVM
  • Streaming Aggregation
  • Runtime filters
  • Handling cache misses for Joins and Aggs

由于内容太多，摘录部分，精彩slide片段，获取完整内容，点击[阅读原文]。

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

介绍了一些核心的优化思路和代码实现，非常值得，通过实战系统研究优化成果，探索高性能Impala使用方式。

Slide地址：https://github.com/jikelab/labs/tree/master/slide

欢迎关注微信公众号[Whoami]，阅读更多内容。

image.png

原创文章，转载请注明： 转载自Itweet的博客
本博客的文章集合: http://www.itweet.cn/blog/archive/