如果表完全由 impala 管理，是否有任何指定目录供 impala 存储数据？
还是由datanode将数据分配到由datanode目录配置的HDFS中的任何位置，例如/dfs/dn？
如果我的应用程序运行的节点没有运行 datanode，我应该运行 impalad 是最佳实践吗？这样我就可以只使用 localhost 连接到 impala 了吗？否则我将连接到特定的主机和端口？
【问题讨论】：
标签： cloudera-cdh impala
对于由 Impala 管理的表，数据存储在 Hive Metastore 仓库目录中，该目录由 hive-site.xml 中的 Hive Metastore 配置属性“hive.metastore.warehouse.dir”配置。这是 HDFS 中的一个目录，因此数据节点的底层存储位置由 HDFS 配置决定。
您应该在运行数据节点的节点上运行 Impala 守护程序，以便扫描可以与数据位于同一位置。您的应用程序应该连接到远程 Impala 守护程序。在集群中分发请求通常是一个好主意，甚至是必要的，具体取决于工作负载，以避免单个协调器 impalad 的瓶颈。很多人使用 HAProxy 来做这件事，详情见this documentation。
【讨论】：