Hadoop大資料生态系統重要的2個架構Apache Hive和Impala，用于在HDFS和HBase上進行大資料分析。 但Hive和Impala之間存在一些差異--Hadoop生态系統中的SQL分析引擎的競争。本文中我們會來對比兩種技術Impala vs Hive差別？
Hive介紹
Apache Hive™是開源的資料倉庫架構，基于Hadoop建構，使用SQL文法讀取Hadoop資料，分析儲存在分布式存儲中HDFS或者HBase資料庫中的大型資料集。
Hive最早由Facebook開發，後來2008年貢獻給Apache軟體基金會。 此外，Hive的用途非常廣泛，因為它支援分析存儲在Hadoop的HDFS和其他相容檔案系統中的大量資料集。 像亞馬遜S3。
Hive是一個在Hadoop叢集之上運作的開源資料倉庫和分析包。 Hive腳本使用類似SQL的語言，稱為Hive QL（查詢語言），它抽象程式設計模型并支援典型的資料倉庫互動。 Hive使開發者能夠避免接觸底層機制，如（如Java）中的有向非循環圖（DAG）或MapReduce程式編寫Tez作業，降低複雜性。
Hadoop中SQL查詢的事實标準
自2008年孵化以來，Apache Hive被認為是Hadoop中數PB資料的互動式SQL查詢的事實标準。Hive使用熟悉的JDBC接口輕松與其他關鍵資料中心技術內建。
Hive提供類SQL的語言（HiveQL），在讀取時使用模式，并将查詢透明地轉換為MapReduce任務，Apache Tez和Spark Jobs來分析資料。
Hive功能特性：
- 提供索引加速分析處理
- Hive支援多種類型的存儲。 如純文字，RCFIle，HBase，ORC
- 此外，它還支援RDBMS中的中繼資料存儲
- Hive支援SQL之類的查詢。 雖然我們可以隐式轉換為MapReduce，Tez或Spark作業
-
要操縱字元串，日期内置使用者定義函數（UDF）
Hive 官方網站
http://hive.apache.org/
LLAP Hive（Live Long and Process）利用具有智能記憶體緩存的持久查詢伺服器來避免Hadoop的面向批處理的延遲問題，并提供與次數較小的資料量一樣快的亞秒查詢響應時間，而Hive on Tez繼續針對PB級資料集提供出色的批量查詢性能，性能做了優化加速。
Hive中的表與關系資料庫中的表類似，資料單元按從大到小機關的分類法進行組織。資料庫由表組成，表由分區組成。可以通過簡單的查詢語言通路資料，Hive支援覆寫或附加資料。
在特定資料庫中，表中的資料是序列化的，每個表都有一個對應的Hadoop分布式檔案系統（HDFS）目錄。每個表可以細分為多個分區，用于确定資料在表目錄的子目錄中的分布方式。分區内的資料可以進一步細分為存儲桶。
Hive支援所有常見的資料類型，如BIGINT，BINARY，BOOLEAN，CHAR，DECIMAL，DOUBLE，FLOAT，INT，SMALLINT，STRING，TIMESTAMP和TINYINT。此外，我們也可以組合原始資料類型以形成複雜的資料類型，
Impala介紹
Impala是Cloudera公司開發的全新的開源大資料分析引擎MPP，它提供類SQL文法，能處理存儲在Hadoop的HDFS和HBase中大資料。
不同于之前的Hive，雖然Hive也提供了SQLL文法，但Hive底層依賴于是MapReduce分析引擎，難以實作複雜查詢的互動性。
Impala提高了Apache Hadoop上SQL查詢性能，節約了大資料分析的時間，同時保留了熟悉的SQL文法使用者體驗。 使用Impala，可以實時查詢存儲在HDFS和Apache HBase的資料 - 支援包括SELECT，JOIN和聚合函數。 此外，Impala使用與Apache Hive相同的中繼資料，SQL文法（Hive SQL），ODBC驅動和使用者界面UI（Hue Beeswax），為批處理或實時查詢管理操作提供了熟悉且統一的平台。 （Hive開發者可以很快熟悉Impala）
Impala是一個開源的大規模并行處理（MPP）SQL引擎。 在HDFS和Apache HBase上運作查詢。 它不需要先移動或轉換資料。 很容易與整個Hadoop生态系統內建。 此外，對于開源互動式商業智能任務，Impala跨架構的統一資源管理使其成為标準。
Impala的功能包括：
- Impala支援Hadoop分布式檔案系統（HDFS）和Apache HBase
- Impala還識别Hadoop檔案格式，如文本，LZO，Avro，RCFile，Parquet
- 它還支援Kerberos身份驗證
-
支援Apache Sentry，提供基于角色的授權。
Impala的優點：
- 由于在資料節點上本地處理，避免了網絡傳輸的性能瓶頸。
- 可以使用單個，開放且統一的中繼資料存儲中心。
- 不需要昂貴的資料格式轉換，是以不會産生任何開銷。
- 所有資料都可以立即查詢，ETL沒有延遲。
- 所有硬體都用于Impala查詢以及MapReduce分析。
-
隻需要一個機器池即可擴充叢集。
官方網站：
https://impala.apache.org/
參考:
https://hive.apache.org/