在应对大规模并发查询时，Apache Impala 采用了哪些机制来保证性能？请列举并说明其主要的优化策略。

回答思路

1. 【回答框架 1】Impala 是 MPP 架构的分布式 SQL 引擎，依赖集群中多个节点并行处理查询。其核心并发机制是每个查询由协调节点拆分为多个任务，分发到各执行节点并行运行，最后汇总结果。
2. 【回答框架 2】优化策略包括：使用静态服务发现和共享元数据（如 Hive Metastore）减少元数据访问开销；利用 LLVM 即时编译将查询计划编译为高效机器码，减少 CPU 开销；采用内存计算，避免磁盘 I/O，提升查询速度。
3. 【回答框架 3】针对并发，Impala 通过资源池（Resource Pool）和准入控制（Admission Control）限制同时运行的查询数量，防止资源过载。同时，使用分区和分桶裁剪减少扫描数据量，并利用列式存储（如 Parquet）提高 I/O 效率。
4. 【回答框架 4】此外，Impala 支持查询缓存（如结果集缓存）和动态分区修剪，减少重复计算。合理设计表结构（如分区键选择）和定期执行 COMPUTE STATS 更新统计信息，帮助优化器生成更优执行计划。
5. 【关键点 1】MPP 架构并行执行是并发处理的基础。
6. 【关键点 2】LLVM 编译和内存计算显著降低 CPU 和 I/O 开销。
7. 【关键点 3】准入控制防止并发过多导致资源耗尽。
8. 【关键点 4】列式存储和分区裁剪减少数据扫描量。
9. 【关键点 5】统计信息更新对优化器决策至关重要。
10. 【易错点 1】不能简单认为增加节点就能线性提升并发，需考虑网络和协调节点瓶颈。
11. 【易错点 2】内存计算可能导致内存溢出，需合理配置内存限额。
12. 【易错点 3】过度分区或分区键选择不当反而降低性能。