Impala是由Cloudera開發的高性能實時計算工具，相比Hive性能提升了幾十、甚至近百倍，基本思想是將計算分發到每個 Datanode所在的節點，依靠內存實現數據的緩存進行快速計算，類似的系統還有Berkeley的Shark。從實際測試來看，Impala效率確實 不錯，由于Impala大量使用C++實現，不使用CDH的Image而自己編譯安裝要費不少功夫，這里記錄一下安裝配置過程和碰到的一些問題。我在測試 時候使用的是CentOS6.2。
一些基本的安裝步驟在這里，但我在安裝的時候碰到一些問題，這里再詳細說明一下過程。
1.安裝所需的依賴lib，這一步沒有什么不同
sudo yum install boost-test boost-program-options libevent-devel automake libtool flex bison gcc-c++ openssl-devel make cmake doxygen.x86_64 glib-devel boost-devel python-devel bzip2-devel svn libevent-devel cyrus-sasl-devel wget git unzip
2.安裝LLVM，按照流程做即可，注意要在多臺機器上編譯安裝Impala的話，只用在一臺機器上執行下面藍色的部分，再把llvm分發到多臺機器上執行后面紅色部分的指令就可以了，沒必要每個機器都通過svn下載一遍源代碼，很費時。
wget http://llvm.org/releases/3.2/llvm-3.2.src.tar.gz
tar xvzf llvm-3.2.src.tar.gz
cd llvm-3.2.src/tools
svn co http://llvm.org/svn/llvm-project/cfe/tags/RELEASE_32/final/ clang
cd ../projects
svn co http://llvm.org/svn/llvm-project/compiler-rt/tags/RELEASE_32/final/ compiler-rt
cd ..
./configure –with-pic
make -j4 REQUIRES_RTTI=1
sudo make install
3.安裝Maven，這個沒什么好說的，按照步驟，設置一下環境變量即可，Maven是為了后面build impala源代碼用的。
wget http://www.fightrice.com/mirrors/apache/maven/maven-3/3.0.4/binaries/apache-maven-3.0.4-bin.tar.gz
tar xvf apache-maven-3.0.4.tar.gz && sudo mv apache-maven-3.0.4 /usr/local
修改~/.bashrc，增加maven環境變量
export M2_HOME=/usr/local/apache-maven-3.0.4
export M2=$M2_HOME/bin
export PATH=$M2:$PATH
更新環境變量，查看mvn版本是否正確
source ~/.bashrc
mvn -version
4.下載Impala源代碼
git clone https://github.com/cloudera/impala.git
5.設置Impala環境變量，編譯時需要
cd impala
./bin/impala-config.sh
6.下載impala依賴的第三方package
cd thirdparty
./download_thirdparty.sh
注意這里其中一個包cyrus-sasl-2.1.23可能下載失敗，可以自行搜索(CSDN里面就有)下載下來然后解壓縮到thirdparty 文件夾，最好是在執行完download_thirdparty.sh之后做這一步，因為download_thirdparty.sh會把所有目錄下下 載下來的tar.gz給刪除掉。
7.理論上現在可以開始build impala了，但是實際build過程中可能會出現問題，我碰到的問題和 Boost相關的(具體錯誤不記得了)，最后發現是由于boost版本太低導致的，CentOS 6.2系統默認yum源中的boost和boost-devel版本是1.41，但是impala編譯需要1.44以上的版本，因此需要做的是自己重新編 譯boost，我用的是boost 1.46版本。
#刪除已安裝的boost和boost-devel
yum remove boost
yum remove boost-devel
#下載boost
#可以去(http://www.boost.org/users/history/)下載boost
#下載后解壓縮
tar xvzf boost_1_46_0.tar.gz
mv boost_1_46_0 /usr/local/
cd /usr/include
./bootstrap.sh
./bjam
#執行后若打印以下內容，則表示安裝成功
# The Boost C++ Libraries were successfully built!
# The following directory should be added to compiler include paths:
# /usr/local/boost_1_46_0
# The following directory should be added to linker library paths:
# /usr/local/boost_1_46_0/stage/lib
#現在還需要設置Boost環境變量和Impala環境變量
export BOOST_ROOT=’/usr/local/boost_1_46_0′
export IMPALA_HOME=’/home/extend/impala’
#注意一下，這里雖然安裝了boost，但是我在實際使用的時候，編譯還是會報錯的，報的錯誤是找不到這個包：#libboost_filesystem-mt.so，這個包是由boost-devel提供的，所以我的做法是把boost-devel給重新裝上
#我沒有試過如果之前不刪除boost-devel會不會有問題，能確定的是按這里寫的流程做是沒問題的
yum install boost-devel
8.現在終于可以編譯impala了
cd $IMPALA_HOME
./build_public.sh -build_thirdparty
#編譯首先會編譯C++部分，然后再用mvn編譯java部分，整個過程比較慢，我在虛擬機上大概需要1-2個小時。
#Impala編譯完后的東西在be/build/debug里面
9.啟動impala_shell需要用到的python包
#第一次執行impalad_shell可能會報錯，這里需要安裝python的兩個包:thrift和prettytable，使用easy_install即可
easy_install prettytable
easy_install thrift
10.如果你以為到這里就萬事大吉就太天真了，在配置、啟動、使用Impala的時候還會有很多奇葩的問題；
問題1：Hive和Hadoop使用的版本
CDH對版本的依賴要求比較高，為了保證Impala正常運行，強烈建議使用Impala里面thirdparty目錄中自帶的Hadoop(native lib已經編譯好的)和Hive版本。
Hadoop的配置文件在$HADOOP_HOME/etc/hadoop中，要注意的是需要啟用native lib
#修改hadoop的core-site.xml，除了這個選項之外，其他配置和問題2中的core-site.xml一致
<property>
<name>hadoop.native.lib</name>
<value>true</value>
<description>Should native hadoop libraries, if present, be used.</description>
</property>
問題2：Impala的配置文件位置
Impala默認使用的配置文件路徑是在bin/set-classpath.sh中配置的，建議把CLASSPATH部分改成
CLASSPATH=\
$IMPALA_HOME/conf:\
$IMPALA_HOME/fe/target/classes:\
$IMPALA_HOME/fe/target/dependency:\
$IMPALA_HOME/fe/target/test-classes:\
${HIVE_HOME}/lib/datanucleus-core-2.0.3.jar:\
${HIVE_HOME}/lib/datanucleus-enhancer-2.0.3.jar:\
${HIVE_HOME}/lib/datanucleus-rdbms-2.0.3.jar:\
${HIVE_HOME}/lib/datanucleus-connectionpool-2.0.3.jar:
即要求Impala使用其目錄下的Conf文件夾作為配置文件，然后創建一下Conf目錄，把3樣東西拷貝進來：core-site.xml、hdfs-site.xml、hive-site.xml。
core-site.xml的配置，下面幾個選項是必須要配置的，
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://10.200.4.11:9000</value>
</property>
<property>
<name>dfs.client.read.shortcircuit</name>
<value>true</value>
</property>
<property>
<name>dfs.client.use.legacy.blockreader.local</name>
<value>false</value>
</property>
<property>
<name>dfs.client.read.shortcircuit.skip.checksum</name>
<value>false</value>
</property>
</configuration>
hdfs-site.xml的配置
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.block.local-path-access.user</name>
<value>${your user}</value>
</property>
<property>
<name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>${yourdatadir}</value>
</property>
<property>
<name>dfs.client.use.legacy.blockreader.local</name>
<value>false</value>
</property>
<property>
<name>dfs.datanode.data.dir.perm</name>
<value>750</value>
</property>
<property>
<name>dfs.client.file-block-storage-locations.timeout</name>
<value>5000</value>
</property>
<property>
<name>dfs.domain.socket.path</name>
<value>/home/extend/cdhhadoop/dn.8075</value>
</property>
</configuration>
最后是hive-site.xml，這個比較簡單，指定使用DBMS為元數據存儲即可(impala必須和hive共享元數據，因為impala無 法create table)；Hive-site.xml使用mysql作為metastore的說明在很多地方都可以查到，配置如下：
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://10.28.0.190:3306/impala?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>root</value>
<description>password to use against metastore database</description>
</property>
</configuration>
記得把mysql-connector的jar包給拷貝到hive的lib里面去，同樣也要拷貝給impala ( 拷貝至$IMPALA_HOME/fe/target/dependency)
11.啟動Impala。到此，Impala是可以正常啟動的。這里說明一下，官方文檔沒有說很清楚Impala的Service之間是如何互相協調的，按照官方的步驟，最后通過如下方法來在一臺機器上啟動Impala Service：
#啟動單機impala service
${IMPALA_HOME}/bin/start-impalad.sh -use_statestore=false
#啟動impala shell
${IMPALA_HOME}/bin/impala-shell.sh
然后impala-shell就可以連接到localhost進行查詢了；注意，這里只是單機查詢，可以用來驗證你的Impala是否正常work 了；如何啟動一個Impala集群，跳到第12步。這里繼續說一下可能遇到的問題，我遇到的一個比較奇葩的問題是show tables和count(1)沒有問題，但是select * from table的時候impala在讀取數據的時候就崩潰了(有時報錯could not find method close from class org/apache/hadoop/fs/FSDataInputStream with signature ()V )，這里修改了兩個地方解決這個問題:
a.修改impala的set-classpath.sh并移除$IMPALA_HOME/fe/target/dependency目錄中除了hadoop-auth-2.0.0-*.jar之外所有hadoop-*開頭的jar包。
#把impala dependency中和hadoop相關的包給弄出來，只保留auth
mv $IMPALA_HOME/fe/target/dependency/hadoo* $IMPALA_HOME
mv $IMPALA_HOME/hadoop-auth*.jar mv $IMPALA_HOME/fe/target/dependency
#修改bin/set-classpath.sh，將$HADOOP_HOME中的lib給加入，在set-classpath.sh最后一行export CLASSPATH之前#添加
for jar in `ls $HADOOP_HOME/share/hadoop/common/*.jar`; do
CLASSPATH=${CLASSPATH}:$jar
done
for jar in `ls $HADOOP_HOME/share/hadoop/yarn/*.jar`; do
CLASSPATH=${CLASSPATH}:$jar
done
for jar in `ls $HADOOP_HOME/share/hadoop/hdfs/*.jar`; do
CLASSPATH=${CLASSPATH}:$jar
done
for jar in `ls $HADOOP_HOME/share/hadoop/mapreduce/*.jar`; do
CLASSPATH=${CLASSPATH}:$jar
done
for jar in `ls $HADOOP_HOME/share/hadoop/tools/lib/*.jar`; do
CLASSPATH=${CLASSPATH}:$jar
done
b.注意到Impala對待table的時候只能夠使用hive的默認列分隔符，如果在hive里面create table的時候使用了自定義的分隔符，Impala servive就會在讀數據的時候莫名其妙的崩潰。
12.啟動Impala 集群
Impala實際上由兩部分組成，一個是StateStore，用來協調各個機器計算，相當于Master，然后就是Impalad，相當于Slave，啟動方法如下：
#啟動statestore
#方法1，直接利用impala/bin下面的這個python腳本
#這個腳本會啟動一個StateStore，同時啟動-s個數量的Impala Service在本機
$IMPALA_HOME/bin/start-impala-cluster.py -s 1 –log_dir /home/extend/impala/impalaLogs
#方法2，手動啟動StateStore
$IMPALA_HOME/be/build/debug/statestore/statestored -state_store_port=24000
#啟動impala service
#在每個編譯安裝了impala的節點上執行命令
#參數-state_store_host指定啟動了stateStore的機器名
#-nn即namenode，指定hadoop的namenode
#-nn_port是namenode的HDFS入口端口號
$IMPALA_HOME/bin/start-impalad.sh -state_store_host=m11 -nn=m11 -nn_port=9000
正常啟動之后，訪問http://${stateStore_Server}:25010/ 可以看到StateStore的狀態，其中的subscribers頁面可以看到已經連接上的impala service node；
13.使用Impala客戶端
這一步最簡單，隨便找一個機器啟動
$IMPALA_HOME/bin/impala-shell.sh
#啟動之后可以隨便連接一個impala service
connect m12
#連接上之后就可以執行show tables之類的操作了
#需要注意的是，如果hive創建表或更新了表結構，impala的節點是不知道的
#必須通過客戶端連接各個impala service并執行refresh來刷新metadata
#或者重啟所有impala service