大数据之hive与impala

在大数据处理的过程中hive为首选的数据仓库，hive基本兼容sql的查询语句，但是hive的响应速度非常慢只适合做非实时的数据挖掘任务，一般在集群规模小的情况下hive的延时会让人失去耐心，而impala则弥补了hive延时非常严重的这个问题，impala可以说是一个实时搜索引擎他必须依赖于hive，二者之间配合工作，impala在使用的过程中会发现很多问题，习惯使用mysql的人会发现hive和impala对sql的解析式严格的，尤其是group by和聚合函数的使用上。

impala是cloundera的产品，以前在项目中有使用过一段时间，后面用spark代替了impala的方案，spark相比impala来说有更大优势，本文关于impala不再补充，关于spark的使用的一些心得我后续会写相关记录文章。