在处理海量数据集时，Impala 采用了哪些核心机制来保证查询性能和可扩展性？请说明集群水平扩展具体从哪些方面提升其处理能力。

回答思路

1. 【回答框架 1】Impala 是 MPP 架构的分布式 SQL 查询引擎，不依赖 MapReduce，每个节点上的 Impalad 同时承担查询规划、执行与协调角色，通过将查询计划拆分为片段并在集群中并行执行，大幅度降低中间结果落盘开销，从而高效处理海量数据。
2. 【回答框架 2】其核心机制包括：使用内存优先的查询执行，减少磁盘 I/O；利用本地数据读取（short-circuit read）直接访问 DataNode 上的数据块，降低网络传输；通过基于代价的优化器生成高效执行计划；支持列式存储格式（如 Parquet），提升压缩比与扫描效率。
3. 【回答框架 3】集群扩展能力主要来源于其无共享架构：增加 Impalad 节点可直接扩充计算资源与内存，查询计划可自动将任务分发至新节点并行执行；同时，数据存储在 HDFS 上，新增节点配合 HDFS 数据均衡，能增加数据本地性，减少网络数据搬移，从而提升整体吞吐与并发处理能力。
4. 【回答框架 4】实际扩展时还需考虑元数据服务（Catalog）与状态存储（Statestore）的瓶颈，规模较大时可拆分服务或优化心跳机制；此外，查询性能受数据分布、集群网络带宽及内存资源限制，需结合资源隔离与动态资源池进行合理规划。
5. 【回答框架 5】整体而言，Impala 通过 MPP 并行执行、内存计算与数据本地化利用，配合水平扩展能力，在 PB 级数据集上实现了近实时的交互式查询，但需注意其强内存依赖特性。
6. 【关键点 1】MPP 架构与并行执行是处理海量数据的基础，避免 MapReduce 的频繁落盘开销。
7. 【关键点 2】内存优先与 short-circuit read 显著降低 I/O 和网络开销，提升查询速度。
8. 【关键点 3】水平扩展通过增加节点扩充计算与内存，同时依赖 HDFS 数据平衡实现数据本地性。
9. 【关键点 4】元数据服务与状态存储是扩展时的潜在瓶颈，需优化或拆分。
10. 【关键点 5】性能受数据分布、网络与内存限制，需结合资源管理进行调优。
11. 【易错点 1】忽略内存限制，认为只要增加节点就能无限扩展，实际可能因内存不足导致查询失败。
12. 【易错点 2】误以为所有查询都能线性加速，扩展后性能提升受数据倾斜、网络和元数据瓶颈制约。
13. 【易错点 3】只关注节点数量，不重视数据均衡与本地性，可能导致大量网络传输，抵消扩展收益。