Impala

Impala简介

Impala是Cloudera公司主导开发的MPP架构的查询系统，它提供SQL语义，能够快速的查询存储在HDFS、HBASE中的数据。此外Impala使用与Hive相同的元数据、SQL语法、ODBC驱动。

创建集群

登陆百度云控制台，选择“产品服务->百度MapReduce BMR”，点击“创建集群”，进入集群创建页。BMR2.0.0及以上版本已支持 Impala 组件集成，购置集群时勾选 Impala 组件即可, 如下图所示:

使用简介

1. 远程登录到创建好的集群

   ssh root@$public_ip
   使用创建集群时输入的密码

2. 准备数据，可以参考数据准备。上传日志文件到HDFS中。

   hadoop dfs -get bos://datamart-gz/web-log-10k/accesslog-10k.log ./
   hadoop dfs -put accesslog-10k.log /tmp/test

3. 在impala-shell中执行命令建表

   • 在shell中输入impala-shell

     说明：impala-shell默认连接到localhost上impalad的21000端口。BMR集群默认只在core、task节点上安装impalad服务。

     如果在master节点上执行impala-shell，需要使用-i <host:port>参数指定安装了impalad的host。更多可用参数可通过impala-shell -h查看。

   • 执行如下建表语句

     CREATE EXTERNAL TABLE `access_logs`(
     `remote_addr` string COMMENT 'client IP',
     `time_local` string COMMENT 'access time',
     `request` string COMMENT 'request URL',
     `status` string COMMENT 'HTTP status',
     `body_bytes_sent` string COMMENT 'size of response body',
     `http_referer` string COMMENT 'referer',
     `http_cookie` string COMMENT 'cookies',
     `remote_user` string COMMENT 'client name',
     `http_user_agent` string COMMENT 'client browser info',
     `request_time` string COMMENT 'consumed time of handling request',
     `host` string COMMENT 'server host',
     `msec` string COMMENT 'consumed time of writing logs')
     COMMENT 'web access logs'
     ROW FORMAT DELIMITED
     FIELDS TERMINATED BY '\t'
     LOCATION '/tmp'

4. 建表成功后，可以使用SQL语句查询结果。如果使用提供的样例数据和建表语句，可以看到如下结果。

   

参考

1. Apache Impala Guide
2. Impala Home