Performance-optimizations-in-Apache-Impala

前几天，ApacheImpala社区发布了性能优化的一个topics，干货慢慢，我第一次见到的完整Impala整体的侧重优化和架构设计权衡的Slide。

去年底，ApacheImpala已经成为Apache顶级项目，我还写文章介绍过，做为企业级SQL on Hadoop解决方案，已经大规模商业应用，随着CDH的发展，家喻户晓，Hadoop生态圈的贡献不可限量，性能也很优秀，曾经很长一段时间很多朋友咨询过Impala的生产环境问题，它拥有完整的权限、审计、高性能。

1、SparkSQL、Hive不支持即席查询。
2、支持更新和删除数据。
3、支持横向扩展高性能OLAP分析
4、兼容Hadoop生态，低门槛

如上，那么可以尝试ApacheImpala，完美发挥性能，需大内存，Impalad节点128G~256G。

Outline一览，全是能讲清楚Apache Impala的好东西，可以看到Impala在分布式聚合和分布式扫描统计方面一些独特的实现，它是一个真正的分布式SQL查询引擎，完美兼容HDFS，调度查询灵活。

Impala项目的历史原因和动机
Impala架构设计
侧重于性能优化概述
- 查询计划概述
- 查询优化
- 元数据和统计信息
Back-end
- Partitioning and sorting for Selective scans
- Code-generation using LLVM
- Streaming Aggregation
- Runtime filters
- Handling cache misses for Joins and Aggs