请分析 Apache Impala 与 Apache Hive 在架构、查询性能和使用场景上的主要差异，并说明在什么情况下选择 Impala、什么情况下选择 Hive。
考察说明
考查对大数据查询引擎 Impala 与 Hive 核心差异的理解及场景选型能力。
回答思路
- 【回答框架 1】Hive 基于 MapReduce/Tez 等批处理引擎，将 SQL 转为 MapReduce 任务，适合离线大规模数据批处理，延迟高。Impala 是 MPP 架构，采用分布式查询引擎，直接在内存中执行，利用专用服务（impalad）实现低延迟交互式查询，适合即席分析。
- 【回答框架 2】架构上：Hive 依赖 HDFS 和 YARN，元数据存于 Hive Metastore；Impala 同样使用 HDFS 和 Metastore，但由自身管理执行，不使用 YARN，常驻守护进程负责查询协调与执行，减少调度开销。
- 【回答框架 3】性能上：Impala 针对响应时间优化，对中小数据集可做到秒级甚至亚秒级；Hive 启动开销大，适合分钟级批处理。数据规模极大（如数百TB以上）时，Hive 的批处理更可控；Impala 需大量内存资源。
- 【回答框架 4】应用场景：Hive 用于 ETL、数据仓库批量导入、长时间运行的复杂计算；Impala 用于 BI 报表、交互式分析、快速探索数据。实际常混用：Hive 做数据清洗和转换，表随后供 Impala 查询。
- 【关键点 1】Hive 基于批处理（MapReduce），Impala 基于 MPP 内存计算。
- 【关键点 2】Impala 不使用 YARN，而用自身守护进程，减少调度延迟。
- 【关键点 3】Impala 适合交互式查询，Hive 适合大规模离线批处理。
- 【关键点 4】两者共享 HDFS 与 Metastore，可共存并用。
- 【关键点 5】选型需权衡数据规模、延迟要求和资源成本。
- 【易错点 1】不要认为 Impala 在所有场景都比 Hive 快，对超大查询或低并发场景 Hive 可能更稳定。
- 【易错点 2】Impala 对内存要求高，大查询可能因内存不足失败。
- 【易错点 3】混用时要确保统计数据同步（如 COMPUTE STATS）。