Impala 與Hive都是構建在Hadoop之上的數據查詢工具，但是各有不同側重，那麼我們爲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數據進行SQL查詢的工具，Hive會轉換成MapReduce，藉助於YARN進行調度從而實現對HDFS的數據的訪問，而Impala直接對HDFS進行數據查詢。但是他們都是提供如下的標準SQL語句，在機身裏運行。
（2）Apache Hive是MapReduce的高級抽象，使用HiveQL,Hive可以生成運行在Hadoop集羣的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，因爲Impala無需藉助任何的框架，直接實現對數據塊的查詢，所以查詢延遲毫秒級。Impala受到Google的Dremel項目啓發，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、對複雜數據類型（比如arrays和maps）和窗口分析更廣泛的支持
2、高擴展性
3、通常用於批處理
（2）Impala更快
1、專業的SQL引擎，提供了5x到50x更好的性能
2、理想的交互式查詢和數據分析工具
3、更多的特性正在添加進來
三、高級概述：
四、爲什麼要使用Hive和Impala?
1、爲數據分析人員帶來了海量數據分析能力,不需要軟件開發經驗,運用已掌握的SQL知識進行數據的分析。
2、比直接寫MapReduce或Spark具有更好的生產力，5行HiveQL/Impala SQL等同於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和外部腳本擴展，而且很多商業智能工具支持Hive和Impala。
五、Hive和Impala使用案例
（1）日誌文件分析
日誌是普遍的數據類型，是當下大數據時代重要的數據源，結構不固定，可以通過Flume和kafka將日誌採集放到HDFS，然後分析日誌的結構，根據日誌的分隔符去建立一個表，接下來運用Hive和Impala 進行數據的分析。例如：
（2）情感分析
很多組織使用Hive或Impala來分析社交媒體覆蓋情況。例如：
（3）商業智能
很多領先的BI工具支持Hive和Impala
看了Hive和Impala的作用及功效闡述，對於掌握Hadoop數據處理有着重要作用。大家在平常要多去積累和總結經驗，不斷提升技能水平。我自己平時除了總結自己的經驗教訓，還喜歡看別人分享的知識，取長補短，對於完善自己的知識架構有着重要作用。像“CSDN”論壇，“大數據cn”，“大數據時代學習中心”微信服務號都挺不錯，總之，努力汲取多方面知識，我們就會取得更大進步！