Impala总共分为3个组件：impalad, statestored, client/impala-shell。关于这三个组件的基本功能在这篇文章中已经介绍过了。
Client : 可以是Python CLI（官方提供的impala_shell.py），JDBC/ODBC或者Hue。无论哪个其实就是一个Thrift的client，连接到impalad的21000端口。
Impalad: 分为frontend和backend两部分，这个进程有三个ThriftServer(beeswax_server, hs2_server, be_server)对系统外和系统内提供服务。
Statestored: 集群内各个backend service的数据交换中心，每个backend会在statestored注册，以后statestored会与所有注册过的backend交换update消息。
RPC
| Component | Service | Port | Access Requirement | Comment |
| ImpalaDaemon | Impala Daemon Backend Port | 22000 | Internal | ImpalaBackendService export |
| Impala Daemon Frontend Port | 21000 | External | ImpalaService export | |
| Impala Daemon HTTP Server Port | 25000 | External | Impala debug web server | |
| StateStoreSubscriber Service Port | 23000 | Internal | StateStoreSubscriberService | |
| ImpalaStateStore Daemon | StateStore HTTP Server Port | 25010 | External | StateStore debug web server |
| StateStore Service Port | 24000 | Internal | StateStoreService export |
下面介绍三个组件之间的Thrift RPC(“<->”前面的表示RPC client，“<->”后面的表示RPC server)
(1)Client <-> impalad(frontend)
BeeswaxService(beeswax.thrift): client通过query()提交SQL请求，然后异步调用get_state()监听该SQL的查询进度，一旦完成，调用fetch()取回结果。
TCLIService(cli_service.thrift): client提交SQL请求，功能和上面类似，更丰富的就是对DDL操作的支持，例如GetTables()返回指定table的元数据。
ImpalaService和ImpalaHiveServer2Service(ImpalaService.thrift)分别是上面两个类的子类，各自丰富了点功能而已，核心功能没啥大变化。
(2)Impalad(backend) <-> statestored
StateStoreService(StateStoreService.thrift): statestored保存整个系统所有backend service状态的全局数据库，这里是个单节点中央数据交换中心（该节点保存的状态是soft state，一旦宕机，保存的状态信息就没了）。例如每个impala backend启动的时候会调用StateStoreService.RegisterService()向statestored注册自己（其实是通过跟这个backend service捆绑在一起的StateStoreSubscriber标识的），然后再调用StateStoreService.RegisterSubscription()表明这个StateStoreSubscriber接收来自statestored的update。
(3)Statestord <-> impalad(backend)
StateStoreSubscriberService(StateStoreSubscriberService.thrift): backend向statestored调用RegisterSubscription之后，statestored就会定期向backend这边捆绑的StateStoreSubscriber发送该backend的状态更新信息。然后backend这边调用StateStoreSubscriberService.UpdateState()更新相关状态。同时这个UpdateState()调用在impalad backend/StateStoreSubscriber这端还会返回该backend的一些update信息给statestored。
(4)Impalad(backend) <-> other impalad(backend) (这两个是互为client/server的)
ImpalaInternalService(ImpalaInternalService.thrift):某个backend的coordinator要向其他backend的execute engine发送执行某个plan fragment的请求(提交ExecPlanFragment并要求返回ReportExecStatus)。这部分功能会在backend分析中详细讨论。
(5)Impalad backend <-> other frontend
ImpalaPlanService(ImpalaPlanService.thrift):可以由其他形式的frontend生成TExecRequest然后交给backend执行。
另外，Impala frontend是用Java写的，而backend使用C++写的。Frontend负责把输入的SQL解析，然后生成执行计划，之后通过Thrift的序列化/反序列化的方式传给backend。TExecRequest(frontend.thrift)是中间传输的数据结构，表示了一个Query/DML/DDL的查询请求，也是SQL执行过程中在frontend和backend之间的数据接口。所以我们可以把impala-frontend换掉，用其他的形式拼凑出这个TExecRequest就可以传给backend执行，这也就是前面说的ImpalaPlanService干的事。
impala组件执行流程
1, impala-shell
client就可以通过Beeswax和HiveServer2的Thrift API向Impala提交query。这两种访问接口的作用是一样的（都是用于client提交query，返回query result）。
Impala_shell.py是通过Beeswax方式访问impala的，下面我们看看impala_shell.py是怎么向impalad提交query的。
(1)通过OptionParser()解析命令行参数。如果参数中有—query或者—query_file，则执行execute_queries_non_interactive_mode(options)，这是非交互查询（也就是就查询一个SQL或者一个写满SQL的文件）；否则进入ImpalaShell.cmdloop (intro)循环。
(2)进入命令行循环后，一般是先connect某一个impalad，输入”connect localhost:21000”，进入do_connect(self, args)函数。这个函数根据用户指定的host和port，生成与相应的impalad的socket连接。最重要的就是这行代码：
self.imp_service = ImpalaService.Client(protocol)
至此imp_service就是client端的代理了，所有请求都通过它提交。
(3)下面以select命令为例说明，如果client输入这样的命令”select col1, col2 from tbl”，则进入do_select(self, args)函数。在这个函数里首先生成BeeswaxService.Query对象，向这个对象填充query statement和configuration。然后进入__query_with_result()函数通过imp_service.query(query)提交query。注意ImpalaService都是异步的，提交之后返回一个QueryHandle，然后就是在一个while循环里不断__get_query_state()查询状态。如果发现这个SQL的状态是FINISHED，那么就通过fetch() RPC获取结果。
2, statestored
Statestored进程对外提供StateStoreService RPC服务，而StateStoreSubscriberService RPC服务是在impalad进程中提供的。StateStoreService这个RPC的逻辑实现是在StateStore这个类里面实现的。
Statestored收到backend发送的RegisterService RPC请求时，调用StateStore::RegisterService()处理，主要做两件事：
(1)根据TRegisterServiceRequest提供的service_id把该service加入StateStore.service_instances_。
通常在整个impala集群只存在名为“impala_backend_service”这一个服务，所以service_id=”impala_backend_service”。而每个backend捆绑的<SubscriberId,impala::THostPort>是不一样的，所以就形成了service和backend一对多的关系，这个关系存储在StateStore.service_instances_组。
(2)Impalad backend在向statestored RegisterService的时候，会把subscriber_address发送过去。在statestored端，会根据这个subscriber_address生成对应的Subscriber对象(表示与该Subscriber捆绑的backend)。把与该backend绑定的Subscriber加入StateStore.subscribers_这个map里。每个Subscriber有个唯一的id，这样分布在集群内的impala backend就有了全局唯一id了。
这样如果以后某个backend/StateStoreSubscriber fail或者其中运行的SQL任务出了问题，在statestored这里就会有体现了，那么就会通知给其他相关的backend。
那么每个backend是怎么update的呢？StateStore::UpdateLoop()负责定期向各个backend推送其所订阅的service的所有成员的更新，目前的更新策略是全量更新，未来会考虑增量更新。
3, impalad
Impalad进程的服务被wrapper在ImpalaServer这个类中。ImpalaServer包括fe和be的功能，实现了ImpalaService(Beeswax), ImpalaHiveServer2Service(HiveServer2)和ImpalaInternelService API。
全局函数CreateImpalaServer()创建了一个ImpalaServer其中包含了多个ThriftServer：
(1)创建一个名为beeswax_server的ThriftServer对系统外提供ImpalaService(Beeswax)服务，主要服务于Query查询，是fe/frontend的核心服务，端口21000
(2)创建一个名为hs2_server的ThriftServer对系统外提供ImpalaHiveServer2Service服务，提供Query, DML, DDL相关操作，端口21050
(3)创建一个名为be_server的ThriftServer对系统内其他impalad提供ImpalaInternalService，端口22000
(4)创建ImpalaServer对象，前面三个ThriftServer的TProcessor被赋值这个ImpalaServer对象，所以对前面三个Thrift服务的RPC请求都交由这个ImpalaServer对象处理。最典型的例子就是我们通过Beeswax接口提交了一个BeeswaxService.query()请求，在impalad端的处理逻辑是由void ImpalaServer::query(QueryHandle& query_handle, const Query& query)这个函数（在impala-beeswax-server.cc中实现）完成的。
下面是impalad-main.cc的主函数：
int main(int argc, char** argv) {
//参数解析，开启日志（基于Google gflags和glog）
InitDaemon(argc, argv);
LlvmCodeGen::InitializeLlvm();
// Enable Kerberos security if requested.
if (!FLAGS_principal.empty()) {
EXIT_IF_ERROR(InitKerberos("Impalad"));
}
//因为frontend, HBase等相关组件是由Java开发的，所以下面这几行都是初始化JNI相关的reference和method id
JniUtil::InitLibhdfs();
EXIT_IF_ERROR(JniUtil::Init());
EXIT_IF_ERROR(HBaseTableScanner::Init());
EXIT_IF_ERROR(HBaseTableCache::Init());
InitFeSupport();
//ExecEnv类是impalad backend上Query/PlanFragment的执行环境。
//生成SubscriptionManager, SimpleScheduler和各种Cache
ExecEnv exec_env;
//生成Beeswax, hive-server2和backend三种ThriftServer用于接收client请求，不过这三种服务的后端真正的处理逻辑都是ImpalaServer* server这个对象。
ThriftServer* beeswax_server = NULL;
ThriftServer* hs2_server = NULL;
ThriftServer* be_server = NULL;
ImpalaServer* server =
CreateImpalaServer(&exec_env, FLAGS_fe_port, FLAGS_hs2_port, FLAGS_be_port,
&beeswax_server, &hs2_server, &be_server);
//因为be_server是对系统内提供服务的，先启动它。
be_server->Start();
//这里面关键是启动了SubscriptionManager和Scheduler
Status status = exec_env.StartServices();
if (!status.ok()) {
LOG(ERROR) << "Impalad services did not start correctly, exiting";
ShutdownLogging();
exit(1);
}
// register be service *after* starting the be server thread and after starting
// the subscription mgr handler thread
scoped_ptr cb;
if (FLAGS_use_statestore) {
THostPort host_port;
host_port.port = FLAGS_be_port;
host_port.ipaddress = FLAGS_ipaddress;
host_port.hostname = FLAGS_hostname;
//注册这个be服务到statestored，整个集群里所有的be服务组成一个group，这样以后来了Query请求就可以在各个backend之间dispatch了。
Status status =
exec_env.subscription_mgr()->RegisterService(IMPALA_SERVICE_ID, host_port);
unordered_set services;
services.insert(IMPALA_SERVICE_ID);
//注册callback函数，每当StateStoreSubscriber接收到来自statestored的update之后调用该函数。
cb.reset(new SubscriptionManager::UpdateCallback(
bind(mem_fn(&ImpalaServer::MembershipCallback), server, _1)));
exec_env.subscription_mgr()->RegisterSubscription(services, "impala.server",
cb.get());
if (!status.ok()) {
LOG(ERROR) << "Could not register with state store service: "
<< status.GetErrorMsg(); ShutdownLogging(); exit(1); } } // this blocks until the beeswax and hs2 servers terminate //前面对内服务的be_server已经成功启动，下面启动对外服务的beeswax_server和hs2_server beeswax_server->Start();
hs2_server->Start();
beeswax_server->Join();
hs2_server->Join();
delete be_server;
delete beeswax_server;
delete hs2_server;
}
exec_env.StartServices()调用SubscriptionManager.Start()，进一步调用StateStoreSubscriber.Start()启动一个ThriftServer。
StateStoreSubscriber实现了StateStoreSubscriberService（StateStoreSubscriberService.thrift中定义），用于接收来自statestored的update，并把与这个StateStoreSubscriber捆绑的backend的update反馈给statestored。这样这个backend就可以对其他backend可见，这样就可以接受其他impala backend发来的任务更新了(当然，接收backend更新是通过statestored中转的)。
参考文献：
http://www.sizeofvoid.net/wp-content/uploads/ImpalaIntroduction2.pdf