请阐述 Apache Impala 在处理 Parquet、Avro 等多种存储格式时的支持机制，并分析其如何针对不同格式优化查询性能？

回答思路

1. 【回答框架 1】Impala 通过统一的元数据和读取接口支持多种文件格式。它以 HDFS 为存储底座，利用 Hive Metastore 记录表结构、分区和文件格式，执行时根据元数据为不同格式选择对应的扫描器。对 Parquet 这类列式格式，Impala 能按需读取列数据，显著减少 I/O；对 Avro 这类行式格式，则按记录读取。
2. 【回答框架 2】Parquet 优化：Parquet 是列式存储，自带统计信息（如行组内的最大值、最小值），Impala 利用这些统计信息做谓词下推，在扫描阶段跳过不符合条件的行组和列块；同时支持字典编码和压缩，减少网络传输和内存占用。Impala 会读取列块并交给 SIMD 优化的解码器，提升 CPU 利用效率。
3. 【回答框架 3】Avro 场景：Avro 以 JSON 定义 schema，更适配行式读写和向后兼容演进。Impala 对 Avro 的优化相对较弱，主要依赖块压缩和通用谓词下推。查询性能通常低于 Parquet，因为行式存储需读取整行数据，且无列剪枝能力。
4. 【回答框架 4】优化策略：Impala 通过查询规划器选择最优扫描方式，例如对聚合查询优先选择列式格式，对点查利用分区裁剪。同时结合基于成本的优化（CBO）、统计信息收集来生成执行计划；对数据本地性和多节点并行扫描也有优化，充分利用 HDFS 的数据分布。
5. 【回答框架 5】风险与注意：存储格式的优化效果受压缩算法、谓词类型和数据分布影响。不能假定 Parquet 永远最快，需结合测试验证。Avro 适合写多读少的场景，Parquet 适合分析型查询。Impala 允许同一元数据目录下混合存储格式，但性能差异明显，建议按场景统一。
6. 【关键点 1】Impala 通过 Hive Metastore 元数据和各格式扫描器支持 Parquet、Avro 等。
7. 【关键点 2】列式格式 Parquet 支持列剪枝、谓词下推和统计信息跳过数据块，查询更优。
8. 【关键点 3】AVRO 为行式格式，主要优化点在于压缩和 schema 演进，查询性能一般。
9. 【关键点 4】优化依赖 CBO、分区裁剪和本地性调度。
10. 【关键点 5】实际性能需基于场景和压测验证。
11. 【易错点 1】不要把 Parquet 的统计信息下推等同于日志表或没有统计信息时同样有效。
12. 【易错点 2】若表无统计信息，CBO 可能选择次优计划，导致性能下降。
13. 【易错点 3】不要忽略压缩算法和编码对性能的影响，不同数据分布效果不同。