Impala 技术点梳理
http://www.cnblogs.com/TiestoRay/p/10243365.html
Impala
优点:
实时性查询
计算的中间结果不写入磁盘
缺点:
对于内存的依赖过于严重，内存溢出直接导致技术任务的失败
不支持UDF，不支持UPDATE/DELTE操作，不支持同一SELECT中多个DISTINCT
即在内存不足时将数据存入磁盘进行计算。这是在Impala 1.4 for CDH4、CDH5.1开始支持的功能，以增加了磁盘IO，延长了运算时间为代价，避免了内存溢出的问题。
注意：该功能也是有限制的：
不是所有的SQL语句都能触发，例如union关键字还是会触发内存溢出错误；
各个节点的内存峰值限制不能过低，低于运算所需分配给各个节点的最小内存；
运算explain输出的各个节点预估内存不能过分高于各个节点的实际物理内存；
当触发“Spill to Disk”功能时有其他并发查询，仍会触发内存溢出错误；
对磁盘的空间有一定的要求，磁盘运算的数据会写入到impala各个节点的临时目录下，增加了磁盘I/O，并且会引发不可控制的磁盘占用。
presto
presto适合pb级的海量数据查询分析，不是说把pb的数据放进内存，比如一张pb表，查询count，vag这种有个特点，
虽然数据很多，但是最终的查询结果很小，这种就不会把数据都放到内存里面，只是在运算的过程中，拿出一些数据放内存，然后计算，
在抛出，在拿，这种的内存占用量是很小的，但是join这种，在运算的中间过程会产生大量的数据，或者说那种查询的数据不大，
但是生成的数据量很大，这种也是不合适用presto的，但不是说不能做，只是会占用大量内存，消耗很长的时间，这种hive合适点.
presto算是hive的一个补充，需要尽快得出结果的用presto，否则用hive.
presto是常驻任务，接受请求立即执行，全内存并行计算；hive需要用yarn做资源调度，接受查询需要先申请资源，启动进程，并且中间结果会经过磁盘。