请说明在 Apache Impala 中实现表压缩与存储优化的具体做法，涉及哪些技术参数和策略？
考察说明
考查对 Impala 存储格式、压缩算法及优化策略的理解与实际应用能力。
回答思路
- 【回答框架 1】Impala 支持多种文件格式，如 Parquet、Avro、Text 等，其中 Parquet 是列式存储，适合分析查询，能显著减少 I/O 和数据扫描量。核心做法是选择合适的存储格式，通常推荐 Parquet。
- 【回答框架 2】压缩方面可通过表属性或建表语句指定压缩算法，如 snappy、gzip、lzo 等。snappy 压缩比低但速度快，适合查询频繁的场景；gzip 压缩比高但 CPU 开销大，适合存储归档。需根据查询与存储成本权衡。
- 【回答框架 3】存储优化还涉及分区、分桶和文件大小控制。合理分区能裁剪扫描数据，减少读取量；文件大小控制在 1GB 左右可提升并发和查询效率，避免小文件过多。
- 【回答框架 4】实践中，可利用 Impala 的 COMPUTE STATS 更新统计信息，优化执行计划，并定期使用 ALTER TABLE 调整分区或重写文件来维护存储布局。
- 【关键点 1】推荐使用 Parquet 列式存储并结合 snappy 压缩。
- 【关键点 2】分区与文件大小优化可显著提升查询性能。
- 【关键点 3】根据查询模式选择压缩算法，平衡压缩比与解压开销。