(编辑：jimmy 日期: 2024/11/17 浏览：2)
因需要将impala仅仅作为数据源使用，而python有较好的数据分析函数，所以需要使用python客户端来获取impala中的表数据，这里的测试环境是：
操作系统：win7 (linux下也可行)
python 2.7
大数据环境：centos6.6
CDH版本：CDH5.4.1
impala 2.1.2 port:21050
1、安装Python package
pip install impyla
2、python客户端与impala交互
2.1 连接impala
> from impala.dbapi import connect > conn = connect(host='my.impala.host', port=21050) > cur = conn.cursor()
注意：这里要确保端口设置为HS2服务，而不是Beeswax服务。在Cloudera的管理集群中，HS2的默认端口是21050。 （Beeswax默认端口21000）
2.2 对impala执行SQL查询
> cur.execute('SHOW TABLES')
> cur.fetchall()
[('defect_code_dim',), ('gxzl_ca_materialinfo',), ('gxzl_cg_materialinfo',), ('gxzl_defect2',), ('gxzl_defects',), ('gxzl_defects_hd',), ('gxzl_fx_class',), ('gxzl_fx_leftmidright',), ('gxzl_fx_topandbot',), ('gxzl_jiejing_2cc_slab',), ('gxzl_kgx_drw',), ('gxzl_kgx_drw_tmp',), ('gxzl_rz_materialinfo',), ('gxzl_sdbase_defects',), ('gxzl_test',), ('new_table',), ('ouye_transactionlog',), ('ouye_userinfo',), ('simple_test',), ('t0',), ('t_100m_hdfs',), ('t_100m_test',), ('t_10m_hdfs',), ('target1',), ('target2',), ('target3',), ('test',), ('tianchi_mobile_recommend_train_full',), ('tianchi_mobile_recommend_train_item',), ('tianchi_mobile_recommend_train_user',), ('tianchi_mobile_recommend_train_useritem',)]
> cur.execute('SELECT * FROM test')
> cur.description
[('id', 'DOUBLE', None, None, None, None, None), ('name', 'STRING', None, None, None, None, None), ('value', 'STRING', None, None, None, None, None)]
> cur.fetchall()
[(1.0, 'tom', 'f'), (2.0, 'jerry', 't')]
>
注意：从服务器上获取数据会删除缓存，所以第二个.fetchall（）返回一个空列表。
> cur.fetchall() [(1.0, 'tom', 'f'), (2.0, 'jerry', 't')] > cur.fetchall() [] >
2.3 遍历查询结果
> cur.execute('SELECT * FROM test')
> for row in cur:
print row[1] == 1.0
False
False
注：python的角标是以0开始。以上仍是以缓存方式来获取数据。
如果你的数据集较小可以使用这种方式；如果你需要存储大量的数据集，你可以用CREATE TABLE AS SELECT语句把它写入HDFS。
2.4 将查询结果转化为python中的pandas DataFrames
除了遍历结果以外，还可以把结果转化成pandas的数据框对象，以便进行数据分析：
> from impala.dbapi import connect
> conn = connect(host='my.impala.host', port=21050)
> cur = conn.cursor()
> from impala.util import as_pandas
> cur.execute('SELECT * FROM test')
> df = as_pandas(cur)
> type(df)
<class 'pandas.core.frame.DataFrame'>
> df
id name value
0 1 tom f
1 2 jerry t
>
注：前提是python中安装了pandas，使用pip install pandas在线安装，安装过程中可能会提示：Microsoft Visual C++ 9.0 is required (Unable to find vcvarsall.bat). Get it from http://aka.ms/vcpython27
只要按照提示说的的去下载一个VC就可以了。这样就安装好了pandas。
以上这篇使用python客户端访问impala的操作方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。