Impala 性能调优 总结

优化思路：

Impala中，提供了10大类优化思路和方法：
1.分区
2.连接查询性能考虑
3.表和列信息统计
4.Impala性能测试：
5.基准Impala查询：
6. 控制Impala的资源使用情况：
7.使用Impala查询Amazon S3的文件系统。
8.HDFS缓存
9.执行计划和查询概况
10. 数据块倾斜

表分区：基于不同列值进行查询，避免大量无效信息过滤，和常规数据库分区理念一致。

连接查询性能考虑：连接查询的主要类，你可以在SQL级，相对于变化的物理因素如文件格式或硬件配置。有关列统计和表统计的概述的相关主题也很重要，主要用于连接性能。

表和列信息统计：概要表统计和列统计的概述。收集表和列的统计，计算统计报表，帮助impala自动优化性能的查询，而不需要更改SQL查询语句。

Impala性能测试：做一些安装后的测试以确保Impala使用最优设置的性能基准测试之前，进行任何。

基准Impala查询：配置和样本数据，您使用的Impala最初的实验和测试数据往往是不适合做性能测试。

控制Impala的资源使用情况：越多的Impala内存可以利用，你可以期待更好的查询性能。但在集群中运行的其他工作一样，你必须权衡确保Hadoop所有组件有足够的内存来执行的前提下，你可能使用盖的内存，Impala可以使用，不能不能够此时彼。

参考：

https://docs.cloudera.com/documentation/enterprise/latest/topics/impala_performance.html

https://blog.csdn.net/sunchengquan/article/details/92840624