Impala是Cloudera在受到Google的Dremel启发下开发的实时交互SQL大数据查询工具，Impala没有再使用缓慢的Hive+MapReduce批处理，而是通过使用与商用并行关系数据库中类似的分布式查询引擎，可以直接从HDFS或HBase中用SELECT、JOIN和统计函数查询数据，从而大大降低了延迟。
Impala依赖CDH，依赖hive，hive依赖mysql做元数据存储数据库，所以需要在安装impala之前要检查环境，先安装他的Cloudera Impala Requirements。
安装环境：
OS：Red Hat Enterprise Linux Server release 6.3 (Santiago)
内存：4G
CPU：要支持SSE3扩展指令集（impala要求）
Cloudera CDH4.3.0安装
我部署的是hadoop-2.0.0-cdh4.3.0.tar.gz，下载地址为http://archive.cloudera.com/cdh4/cdh/4/hadoop-2.0.0-cdh4.3.0.tar.gz。
(在http://archive.cloudera.com/cdh4/cdh/4/下还可以下载到CDH hadoop生态圈内相关的包)。再准备一个jdk1.6+的java环境，设置好JAVA_HOME。
需要注意的是，window下直接点击链接下载到的包可能无法解压成功，原因是包是放在linux ftp上的，直接下载会有问题。建议在linux机器上用wget命令下载就可以了。
基础配置
给集群配好 SSH；在hosts里可以准备好自己机器的名字。
以下配置文件里就用该名称代替。单机就配置 localhost。
配置文件
tar包的部署方式只要具备CDH4的包就可以了，其余步骤不需联网，只要配置好几个配置文件即可。我提供一份自己的配置，可以完全拷贝下来使用。进入到目录hadoop-2.0.0-cdh4.3.0/etc/hadoop下面，修改这几个文件：
core-site.xml
1 <configuration> 2 <property> 3 <name>fs.defaultFS</name> 4 <value>hdfs://localhost:9000</value> 5 </property> 6 <property> 7 <name>fs.trash.interval</name> 8 <value>10080</value> 9 </property> 10 <property> 11 <name>fs.trash.checkpoint.interval</name> 12 <value>10080</value> 13 </property> 14 </configuration>
hdfs-site.xml（后半部分是impala需要的配置）
1 <configuration> 2 <property> 3 <name>dfs.replication</name> 4 <value>1</value> 5 </property> 6 <property> 7 <name>hadoop.tmp.dir</name> 8 <value>/home/godp/hadoop-2.0.0-cdh4.3.0/tmp</value> 9 </property> 10 <property> 11 <name>dfs.namenode.http-address</name> 12 <value>localhost:50070</value> 13 </property> 14 <property> 15 <name>dfs.namenode.secondary.http-address</name> 16 <value>localhost:50090</value> 17 </property> 18 <property> 19 <name>dfs.webhdfs.enabled</name> 20 <value>true</value> 21 </property> 22 <property> 23 <name>dfs.block.local-path-access.user</name> 24 <value>impala</value> 25 </property> 26 27 <property> 28 <name>dfs.client.read.shortcircuit</name> 29 <value>true</value> 30 </property> 31 32 <property> 33 <name>dfs.domain.socket.path</name> 34 <value>/var/run/hadoop-hdfs/dn._PORT</value> 35 </property> 36 <property> 37 <name>dfs.client.file-block-storage-locations.timeout</name> 38 <value>3000</value> 39 </property> 40 </configuration>
yarn-site.xml
1 <?xml version="1.0"?> 2 <configuration> 3 <!-- Site specific YARN configuration properties --> 4 <property> 5 <name>yarn.resourcemanager.resource-tracker.address</name> 6 <value>localhost:8031</value> 7 </property> 8 <property> 9 <name>yarn.resourcemanager.address</name> 10 <value>localhost:8032</value> 11 </property> 12 <property> 13 <name>yarn.resourcemanager.scheduler.address</name> 14 <value>localhost:8030</value> 15 </property> 16 <property> 17 <name>yarn.resourcemanager.admin.address</name> 18 <value>localhost:8033</value> 19 </property> 20 <property> 21 <name>yarn.resourcemanager.webapp.address</name> 22 <value>localhost:8088</value> 23 </property> 24 <property> 25 <description>Classpath for typical applications.</description> 26 <name>yarn.application.classpath</name> 27 <value>$HADOOP_CONF_DIR,$HADOOP_COMMON_HOME/share/hadoop/common/*, 28 $HADOOP_COMMON_HOME/share/hadoop/common/lib/*, 29 $HADOOP_HDFS_HOME/share/hadoop/hdfs/*,$HADOOP_HDFS_HOME/share/hadoop/hdfs/lib/*, 30 $YARN_HOME/share/hadoop/yarn/*,$YARN_HOME/share/hadoop/yarn/lib/*, 31 $YARN_HOME/share/hadoop/mapreduce/*,$YARN_HOME/share/hadoop/mapreduce/lib/* 32 </value> 33 </property> 34 <property> 35 <name>yarn.nodemanager.aux-services</name> 36 <value>mapreduce.shuffle</value> 37 </property> 38 <property> 39 <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> 40 <value>org.apache.hadoop.mapred.ShuffleHandler</value> 41 </property> 42 <property> 43 <name>yarn.nodemanager.local-dirs</name> 44 <value>/home/godp/hadoop-2.0.0-cdh4.3.0/yarn/local</value> 45 </property> 46 <property> 47 <name>yarn.nodemanager.log-dirs</name> 48 <value>/home/godp/hadoop-2.0.0-cdh4.3.0/yarn/logs</value> 49 </property> 50 <property> 51 <description>Where to aggregate logs</description> 52 <name>yarn.nodemanager.remote-app-log-dir</name> 53 <value>/home/godp/hadoop-2.0.0-cdh4.3.0/yarn/logs</value> 54 </property> 55 <property> 56 <name>yarn.app.mapreduce.am.staging-dir</name> 57 <value>/home/godp/hadoop-2.0.0-cdh4.3.0</value> 58 </property> 59 </configuration>
mapred-site.xml
1 <?xml version="1.0"?> 2 <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 3 4 <!-- Put site-specific property overrides in this file. --> 5 6 <configuration> 7 <property> 8 <name>mapreduce.framework.name</name> 9 <value>yarn</value> 10 </property> 11 <property> 12 <name>mapreduce.jobhistory.address</name> 13 <value>localhost:10020</value> 14 </property> 15 <property> 16 <name>mapreduce.jobhistory.webapp.address</name> 17 <value>localhost:19888</value> 18 </property> 19 20 21 </configuration>
最后在/etc/profile中添加环境变量，添加如下配置：
export JAVA_HOME=/usr/lib/jvm/jdk7
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=./:$JAVA_HOME/lib:$JRE_HOME/lib:$JRE_HOME/lib/tools.jar
export HADOOP_HOME=/home/godp/hadoop-2.0.0-cdh4.3.0
export HADOOP_MAPRED_HOME=${HADOOP_HOME}
export HADOOP_COMMON_HOME=${HADOOP_HOME}
export HADOOP_HDFS_HOME=${HADOOP_HOME}
export YARN_HOME=${HADOOP_HOME}
export HADOOP_YARN_HOME=${HADOOP_HOME}
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HDFS_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export YARN_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export PATH=$PATH:$HOME/bin:$JAVA_HOME/bin:$HADOOP_HOME/sbin
export HIVE_HOME=/home/godp/hive-0.9.0-cdh4.1.0
export PATH=$PATH:$HADOOP_HOME/bin:$HIVE_HOME/bin
source之使之生效。如果是分布式环境，然后把这台机器上的hadoop配置 scp到其他各台机器上。
启动集群
HADOOP_HOME/bin下，第一次格式化namenode
hadoop namenode -format
然后在namenode机器上逐个启动
start-dfs.sh
start-yarn.sh
可以使用jps命令在各台机器上查看已经起来的进程和端口，在 namenode:8088/cluster 可以看集群情况。 datanode:8042/node 可以看到节点情况。
启动dfs的时候无论成功或者失败，命令行都会显示输出的日志路径，如果需要查看详细信息或者某个datanode启动失败的时候，就去相应的路径下查看datanode对应的log，那里会有详细的出错信息，可以排错。我就是这么解决错误的。
问题排查
- 如果某几个节点没有起来，很可能是因为端口占用的问题，比如yarn启动的时候
会使用8080端口，如果被占用，该datanode就起不了了，可以使用
netstat -anp | grep 8080
找到id，然后kill -9 xxx 掉。
8080是默认的tomcat 的端口，所以装有tomcat类似应用web服务器的节点在此端口的占用上需要二者选其一，另一个需要改端口。
- 另一个头疼一整天的问题，配置检查不出什么错误，但是一直是起不来hdfs，去
日志里边找，提示错误：
attempt_1389859916143_0002_m_000001_0, Status : FAILED
Container launch failed for container_1389859916143_0002_01_000003 : java.lang.IllegalArgumentException: Does not contain a valid host:port authority: XX-XX-0.95:39561
找不到有效的host：port在XXX：XXXX上，本能的以为是配置错了，端口问题，或者主机的配置问题。
出错原因及解决办法：
Hadoop的主机名不能既有“-”又有“.”，二者不能都在，否则无法解析主机名。
修改掉主机名，重启ok。
至此，如果没有问题了，可以上传hdfs文件，看hdfs是否成功可用。
测试是否成功
测试mapreduce任务是否可以被顺利执行，可以采用hadoop自带的example的jar包中的例子，这里有个小技巧：不需要每次测试新的环境都要上传新的wordcount的单词文件，我们只需要跑一个不需要输入文件的计算圆周率PI的例子程序就ok。
这样默认采用10个随机点，10个map采用蒙特卡罗算法估算pi，一般可以估算到3.20左右，这个过程就可以验证你的集群环境是否配置成功了。