在对比 Apache Impala、Presto 与 Spark SQL 时，它们的架构、执行模型与适用场景有哪些关键差异？在实际业务中，应依据哪些维度来挑选合适的查询引擎？
考察说明
考查对主流大数据查询引擎核心差异的理解，以及根据业务需求进行技术选型的能力。
回答思路
- 【回答框架 1】Impala 是基于 MPP 架构的交互式查询引擎，专为 HDFS 和 Kudu 上的数据设计，通过守护进程常驻内存、规避 JVM 开销来降低延迟，适合秒级响应的低并发 SQL 分析。Presto 同样采用 MPP 架构，但更强调连接异构数据源，其分布式执行引擎对标准 SQL 支持完善，适合对多种数据源进行联邦查询。
- 【回答框架 2】Spark SQL 构建在 Spark 统一计算引擎之上，核心是弹性分布式数据集与 DataFrame，通过内存计算和阶段化执行支持批处理、流处理与机器学习等场景。它的 SQL 查询通常面向分钟级响应的批任务或 ETL，与 Impala、Presto 的交互式定位不同。
- 【回答框架 3】性能方面，在纯 SQL 扫描场景下，Impala 与 Presto 的查询延迟通常优于 Spark SQL，因为后者需要启动任务调度和 JVM 开销；但 Spark SQL 在复杂数据转换、多阶段迭代计算上更灵活，且能复用 Spark 生态的 API 与优化能力。
- 【回答框架 4】选型应权衡数据规模、响应时延、并发度、数据源类型、运维成本以及生态集成。若追求亚秒级交互分析且数据主要存在于 HDFS 或 Kudu，Impala 合适；若需统一查询多种存储（如 MySQL、Hive、S3），Presto 更优；若需与机器学习或批处理工作流深度配合，Spark SQL 是合理选择。
- 【回答框架 5】没有绝对最优引擎，实际选型还需结合集群资源、SQL 方言兼容性、安全管控和团队熟悉度做基准测试验证。
- 【关键点 1】Impala 和 Presto 同为 MPP 交互式查询引擎，但 Impala 更贴近 HDFS 生态，Presto 侧重联邦查询。
- 【关键点 2】Spark SQL 是基于 DAG 调度与内存计算的批处理引擎，适合复杂分析与数据管道。
- 【关键点 3】选型核心维度包括查询延迟、并发度、数据源多样性、计算复杂度与运维成本。
- 【关键点 4】多引擎场景下可用统一网关或视图层隔离差异，降低迁移成本。
- 【易错点 1】不能仅依据引擎宣称的并发或性能指标选型，实测压测与真实数据分布才是关键依据。
- 【易错点 2】Presto 对更新和事务支持有限，不适合作为主存储的写入路径，避免将其用作 OLTP 场景。
- 【易错点 3】Spark SQL 的启动与任务调度开销在低延迟场景不可忽视，不应与交互式引擎直接对比毫秒级响应。