Impala 與Hive都是建構在Hadoop之上的資料查詢工具，但是各有不同側重，那麼我們為什麼要同時使用這兩個工具呢？單獨使用Hive或者Impala不可以嗎？
一、介紹Impala和Hive
（1）Impala和Hive都是提供對HDFS/Hbase資料進行SQL查詢的工具，Hive會轉換成MapReduce，借助于YARN進行排程進而實作對HDFS的資料的通路，而Impala直接對HDFS進行資料查詢。但是他們都是提供如下的标準SQL語句，在機身裡運作。
（2）Apache Hive是MapReduce的進階抽象，使用HiveQL,Hive可以生成運作在Hadoop叢集的MapReduce或Spark作業。Hive最初由Facebook大約在2007年開發,現在是Apache的開源項目。
Apache Impala是高性能的專用SQL引擎，使用Impala SQL，因為Impala無需借助任何的架構，直接實作對資料塊的查詢，是以查詢延遲毫秒級。Impala受到Google的Dremel項目啟發，2012年由Cloudera開發，現在是Apache開源項目。
二、Impala和Hive有什麼不同？
（1）Hive有很多的特性：
1、對複雜資料類型（比如arrays和maps）和視窗分析更廣泛的支援
2、高擴充性
3、通常用于批處理
（2）Impala更快
1、專業的SQL引擎，提供了5x到50x更好的性能
2、理想的互動式查詢和資料分析工具
3、更多的特性正在添加進來
三、進階概述：
四、為什麼要使用Hive和Impala?
1、為資料分析人員帶來了海量資料分析能力,不需要軟體開發經驗,運用已掌握的SQL知識進行資料的分析。
2、比直接寫MapReduce或Spark具有更好的生産力，5行HiveQL/Impala SQL等同于200行或更多的Java代碼。
3、提供了與其他系統良好的互操作性，比如通過Java和外部腳本擴充，而且很多商業智能工具支援Hive和Impala。
五、Hive和Impala使用案例
（1）日志檔案分析
日志是普遍的資料類型，是當下大資料時代重要的資料源，結構不固定，可以通過Flume和kafka将日志采集放到HDFS，然後分析日志的結構，根據日志的分隔符去建立一個表，接下來運用Hive和Impala 進行資料的分析。例如：
（2）情感分析
很多組織使用Hive或Impala來分析社交媒體覆寫情況。例如：
（3）商業智能
很多領先的BI工具支援Hive和Impala
看了Hive和Impala的作用及功效闡述，對于掌握Hadoop資料處理有着重要作用。大家在平常要多去積累和總結經驗，不斷提升技能水準。我自己平時除了總結自己的經驗教訓，還喜歡看别人分享的知識，取長補短，對于完善自己的知識架構有着重要作用。像“CSDN”論壇，“大資料cn”，“大資料時代學習中心”微信服務号都挺不錯，總之，努力汲取多方面知識，我們就會取得更大進步！