无主模型,没有主从的概念
HiveMetaStore和HDFS NameNode是外部系统,StateStore和Catalog是impala的内部系统
Impala是一个长服务计算。而MapReduce是一个临时的计算，什么时候提交作业什么时候才会计算。
Spark：启动服务后一直计算知道所有计算结束，进程拉起后执行完所有计算任务才会销毁。
MapReduce：启动服务后执行作业的计算，计算结束后销毁进程。每个作业都会拉起和销毁一次进程。
Impala主要有Impalad、State Store 和CLI组成：
Impalad
与DataNode运行在同一节点上，由Impalad进程表示，它接收客户端的查询请求（接收查询请求的Impalad为Coordinator，Coordinator通过JNI [java native interface] 调用java前端解释SQL查询语句，生成查询计划树，再通过调度器把执行计划分发给具有相应数据的其它Impalad进行执行），读写数据，并行执行查询，并把结果通过网络流式的传送回给Coordinator，由Coordinator返回给客户端。同时Impalad也与State Store保持连接，用于确定哪个Impalad是健康和可以接受新的工作。在Impalad中启动三个ThriftServer: beeswax_server（连接客户端），hs2_server（借用Hive元数据）， be_server（Impalad内部使用）和一个ImpalaServer服务。
每个impalad实例会接收、规划并调节来自ODBC或Impala Shell等客户端的查询。每个impalad实例会充当一个Worker，处理由其它impalad实例分发出来的查询片段(query fragments)。客户端可以随便连接到任意一个impalad实例，被连接的impalad实例将充当本次查询的协调者（Ordinator)，将查询分发给集群内的其它impalad实例进行并行计算。当所有计算完毕时，其它各个impalad实例将会把各自的计算结果发送给充当 Ordinator的impalad实例，由这个Ordinator实例把结果返回给客户端。每个impalad进程可以处理多个并发请求。
Impalad的数量等于DataNode的数量
Imapla State Store
负责Query的调度及跟踪集群中的Impalad的健康状态及位置信息，由statestored进程表示，它通过创建多个线程来处理Impalad的注册订阅和与各Impalad保持心跳连接，各Impalad都会缓存一份State Store中的信息，当State Store离线后,因为Impalad有State Store的缓存仍然可以工作，但会因为有些Impalad失效了，而已缓存数据无法更新，导致把执行计划分配给了失效的Impalad，导致查询失败。Impalad发现State Store处于离线时，会进入recovery模式，反复注册，当State Store重新加入集群后，自动恢复正常，更新缓存数据。
当impalad启动之后，Statestore启动完成后,所有的Impalad都会和StateStore建立连接,这个连接不是必须的，在过程中可以断掉。StateStore中有一种类似于广播的机制,每一个impalad连过来之后,都会由StateStore把这个impalad的信息广播给其他和它建立连接的impalad,这样集群当中所有impalad内存当中都会有全局拓扑,所有impalad都知道集群中还有哪些节点及其主机和端口号。
Catalog
当Impala集群启动后，从Hive MetaStore中获取所有的元数据信息，全量的下载回来放到impala自己的catalog中。Catalog会与StateStore通信，将元数据信息通过StateStore广播到每个Impalad节点,这样每个impalad除了有全局拓扑的元数据之外,还有全量的hive中的meta store元数据(表的元数据),所以每个impalad都知道所有的信息。
同时当Impala客户端在某个Impalad中创建表后，Impalad也会将建表的元数据信息通过State Store通知给各个Impalad节点和Catalog，由Catalog同步到Hive的元数据(Meta Store相当于在为impala做元数据持久化)中。
这样，hive metastore、statestore，catelog这些节点宕机都没有关系，客户端可以随便连接任意一台Impalad来请求服务 。
但是Impala是在内存中的，掉电易失，在Impala中执行的SQL语句的日志statestore会将数据同步给catalog ,catalog会将数据持久化回hive metastore，hive会将元数据持久化到关系型数据库中。
如果是有用户在impala启动之后在Hive中建了新表，在Impala集群中是不会有这个新建的表的。那是因为元数据是趋向于稳定的,不会动态更新元数据信息。除非对集群中下发指令,指令下发给catalog,重新全量的从hive metastore中加载元数据并重新广播一次,这样才能看到hive中新增的表
在实际生产环境中，如果做增加表的操作，都会走一个测试的环节，测试成功才会变更工单，然后上线。上线的时候，Hive数据仓库会和Impala沟通，工单就会流到Impala这块，Impala会决定用不用新创建的这些表，用的话可以执行一个命令将元数据在Impala集群中再刷一遍即可。
注意 Hive中创建表产生的元数据信息，不能同步到catalog中，需要手动执行命令同步。
CLI（Impala shell）
命令行客户端，提供给用户查询使用的命令行工具。