请阐述 Apache Impala 是如何借助其数据存储格式的选择以及对执行引擎的优化手段，来显著提升查询性能的？
考察说明
考查对 Impala 在存储层和引擎层优化机制的理解，以及其与 Hadoop 生态其他组件对比时的性能优势来源。
回答思路
- 【回答框架 1】Impala 是 MPP 架构的 SQL 查询引擎，避免 MapReduce 的磁盘中间结果，采用常驻内存的守护进程和并行执行计划，减少调度开销，实现低延迟交互式查询。
- 【回答框架 2】存储格式方面，Impala 推荐使用 Parquet 列式存储，支持谓词下推和列裁剪，只扫描所需列，配合压缩减少 I/O，同时利用分区裁剪，跳过不相关数据块，进一步提升扫描效率。
- 【回答框架 3】引擎优化包括：使用 LLVM 生成本地代码，消除虚函数调用和动态类型检查；向量化执行，批量处理数据提高缓存命中率；以及 CBO 优化，基于统计信息选择最优连接顺序和聚合策略。
- 【回答框架 4】Impala 还通过本地化调度，将任务分配给数据所在节点，减少网络传输，并支持透明缓存热数据，加速重复查询。
- 【关键点 1】存储格式采用列式存储（Parquet）并配合压缩与分区裁剪，减少扫描数据量。
- 【关键点 2】引擎使用 MPP 架构、常驻进程、LLVM 代码生成和向量化执行，降低 CPU 开销。
- 【关键点 3】基于成本优化（CBO）和本地化调度，减少执行计划和数据移动开销。
- 【易错点 1】不应混淆 Impala 与 Hive 的区别，Hive 依赖 MapReduce，具有高延迟，而 Impala 是专为交互式查询设计。
- 【易错点 2】不能认为列式存储是 Impala 独有的，但 Impala 对该存储格式的适配和优化是性能优势的一部分，且需注意其他引擎也能读取相同数据，只是执行模型不同。