我想避免在创建表时理想数据位置或布局的情况下，Impala节点不必要地通过网络从其他节点请求数据。这对于“非加法”操作很有帮助，其中分区的所有记录无论如何都需要在同一个地方（节点）（例如百分位数）。
是否可以告诉Impala分区中的所有数据应始终位于任何HDFS副本的单个节点上？
在Impala-SQL中，我不确定“PARTITIONED BY”子句是否提供此功能。根据我的理解，Impala将其分区分为HDFS上的单独文件，但HDFS不保证默认情况下相关文件和块的共址（而是尝试实现相反的目的）。
找到一些有关Impala对HDFS开发影响的信息，但不清楚这些信息是否已经实施或仍在计划中：
http://www.slideshare.net/deview/aaron-myers-hdfs-impala （幻灯片23-24）
提前感谢所有人。
答案 0 :(得分：0)
关于您提到的幻灯片（“Co-located block replicas”） - 它是关于在Hadoop 2.1中实现的HDFS功能（HDFS-2576）。它提供了一个Java API，为HDFS提供关于块放置位置的提示。
截至2014年，它并未在Impala中使用，但它似乎为此做了一些基础工作 - 因为它会为Impala提供相当于在传统MPP数据库中指定分发键的性能。
答案 1 :(得分：-1)
不，这完全违背了拥有分布式文件系统和MPP计算的目的。它还会产生单点故障和瓶颈，特别是如果你正在谈论一个与自身相连的250GB表。正是Hadoop旨在解决的问题。分区数据在namenode上创建HDFS中的子目录，然后在集群中的整个数据节点中复制数据。