链接：https://www.zhihu.com/question/335408459/answer/767041117
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
除了共享hive的metastore之外没什么太大的关系。
hive是Java写的，由Facebook开源，目的是将特定的SQL语句编译为MapReduce jar包扔给hadoop去执行，本质上是一个代码转换编译的工具，简化mr的开发，因为pig hive出现以前，mr都需要由熟悉Java或Python和hadoop架构熟悉的比较高级的程序员来写，这就限制了hadoop的使用广度。所以擅长语言翻译的facebook搞了一个hive，来把sql语言翻译成java再跑mr。
impala是spark萌芽时期cdh开源的c++编写的sql执行引擎，也用到了有向无环图和RDD的思路，我想当初可能是CDH想跟spark竞争一下内存计算这块的市场，后来发现争不过spark，现在也就处于半开发半维护的状态了，从核心上来说，执行原理跟hive完全不一样，hive是把sql转译成java，编译了jar包提交给hadoop，剩下的事情就是hadoop的mr的事了，hive只需要等着获取结果就好了。而impala则调用C语言层的libhdfs来直接访问HDFS，从NN获取到数据块信息后，直接将数据块读入内存，会使用hadoop的一个配置项叫dfs.client.short.read.circuit。看得出来，这是一个client端配置，作用是直接读取本地的数据块而不是通过HDFS读取整合后的文件。所以impala需要在每个dn节点都安装impalad去完成本地读取的工作。数据块读进内存之后就开始做有向无环图，完成计算之后会将热数据保存在内存里供下次读取。
CDH不开发单独的metastore是因为没有必要，当时hive已经是主流分析工具了，hadoop的使用者经过几年的积累，已经在hive上建立了成千上万个表。你再单独开发一个metastore纯属浪费，难道客户还要再给impala建一个单独的schema吗？再把那成千上万的分析表重建一遍？为什么不直接用以前hive建好的？
在我的认知范围内，impala不能脱离hive的metastore独立存在，而且catalogd有时还需要手工刷新hive的metastore缓存。
