请阐述Impala在面对跨数据源查询时的工作原理，并说明实现异构数据源整合的具体机制和步骤。

回答思路

1. 【回答框架 1】Impala通过统一的SQL接口和分布式查询规划器来处理跨数据源查询。其核心思想是将不同数据源的表注册到统一的元数据中心，如Hive Metastore，使得查询引擎可以透明地访问HDFS、HBase、S3、Kudu等存储。
2. 【回答框架 2】在查询执行时，Impala的查询规划器会根据元数据信息生成查询计划，并通过分布式执行引擎将任务分发到各个节点。对于跨数据源join或union，Impala会采用桥接技术，将数据从各个源拉取到共同的处理节点，执行内存中的连接操作。
3. 【回答框架 3】异构数据源整合通常通过外部表实现。用户使用CREATE EXTERNAL TABLE语句，指定数据源类型、存储路径和格式，Impala即可查询。对于不同数据源，可能需要对数据类型进行隐式转换，并在性能上进行调整，例如通过统计信息和查询提示来优化计划。
4. 【回答框架 4】此外，Impala支持与Kudu集成，利用Kudu的Updateable存储提高实时性。对于非原生支持的数据源，可使用Hive或数据转换工具进行预处理，或者利用中间表结合ETL过程实现整合。
5. 【关键点 1】Impala利用统一元数据服务实现异构数据源的透明访问。
6. 【关键点 2】跨数据源查询通过分布式执行引擎和内存连接完成。
7. 【关键点 3】外部表是异构整合的主要手段，需指定存储类型和格式。
8. 【关键点 4】性能调整可依赖统计信息和查询优化器。
9. 【易错点 1】忽视数据本地性可能导致严重的网络开销和性能下降。
10. 【易错点 2】跨数据源查询时，不同数据源的类型系统差异可能导致隐式转换错误或性能问题。
11. 【易错点 3】过度使用外部表而无有效过滤条件，容易执行全表扫描，影响查询效率。