本文基于CDH发行版下的Hadoop Yarn和Impala
早期的Impala版本号中。为了使用Impala。我们一般会在以Client/Server的结构在各个集群节点启动impala-server、impala-state-store和impala-catalog服务，而且在启动过程中无法动态调整内存和CPU的分配。CDH5之后，Impala開始支持Impala-on-yarn模式。通过一个叫做Llama(Long-Lived Application Master)的中间协调Yarn和Impala，向Hadoop Yarn资源管理器申请计算资源。
1、Llama介绍
Llama(Long-LivedApplicationMaster)是位于ClouderaImpala和HadoopYARN之间，用于协调资源管理的服务系统。
在一个Hadoop集群中，Impala能够通过Llama预约、使用以及释放资源分配，以降低运行Impala查询时过多的资源管理用度。仅仅有在Impala中启用资源管理。集群中的Llama服务才真正运作。
默认情况下，YARN依据MapReduce工作的须要按位分配资源，而Impala则须要全部资源在同一时间可用，以保证查询的中间结果可以在不同节点间交换，而不须要迟延查询时间来等待新的资源分配，Llama就是为了在每一个Impala查询開始运行前就可保证其须要的资源都可用而出现。
若一个查询运行完成，Llama会将资源进行缓存。确保在运行Impala子查询时能够使用。这样的缓存机制避免了每一个查询运行前都须要进行新的资源请求。同一时候。假设YARN须要该资源用于其它工作，Llama就会将这部分资源还给YARN。
须要注意的是：Llama仅支持YARN。不能与MRv1结合使用。同一时候，Llama也是通过YARN的配置文件与Hadoop进行协作的。
2、控制计算资源预估
我们提交SQL到Impala后。有时会错误的预估该次查询可能消耗的计算资源，Impala支持用户设置默认的内存和CPU资源申请大小，SQL执行过程中，一旦资源開始紧缺时，Impala会通过Llama向Yarn申请很多其它的资源来扩展（expanding）当前的预留资源。一旦查询作业完毕，Llama一般会将资源还给Yarn。用户能够在启动使用impalad进程时加上-rm_always_use_defaults參数（必选）以及-rm_default_memory=size and -rm_default_cpu_cores（可选）。Cloudera官方建议使用Impala-on-yarn时加上这些启动參数，能够让查询资源动态扩展。
3、验证计算资源预估和实际使用
为了使用户可以方便的验证查询语句所使用的集群资源大小，使用EXPLAIN语句可以查询相关内存预估的信息，以及使用到virtual core的大小。
使用EXPLAIN并不会真正提交查询
4、资源限制的原理
CPU限制是通过Linux CGroups机制。Yarn在各个节点启动符合CGroups形式的Container进程
内存限制是通过限制Impala的查询内存。一旦查询请求被授权，Impala会在运行前设置内存上限