Impala支持使用Kudu作为持久层来creating（创建），altering（修改）和dropping（删除）表。这些
表遵循与Impala中其他表格相同的Internal/external（内部/外部）方法，允许灵活的数据采集和查
询。
INSERT
数据可以使用与那些使用HDFS或HBase持久性的任何其他Impala表相同的语法插入Impala中的Kudu
表。
UPDATE / DELETE
Impala支持 UPDATE 和 DELETE SQL命令逐行或批处理修改Kudu表中的已有的数据。选择SQL命令的语
法与现有标准尽可能兼容。除了简单 DELETE 或 UPDATE 命令之外，还可以 FROM 在子查询中指定带有子句的
复杂连接。
FlexiblePartitioning（灵活分区）
与Hive中的表分区类似，Kudu允许您通过hash或范围动态预分割成预定义数量的tablets，以便在集群中
均匀分布写入和查询。您可以通过任意数量的primarykey（主键）列，任意数量的hashes和可选的listof
splitrows来进行分区。参见模式设计。
ParallelScan（并行扫描）
为了在现代硬件上实现最高的性能，Impala使用的Kudu客户端可以跨多个tablets扫描。
High-efficiencyqueries（高效查询）
在可能的情况下，Impala将谓词评估下推到Kudu，以便使谓词评估为尽可能接近数据。在许多任务中，查询性能
与Parquet相当。
有关使用Impala查询存储在Kudu中的数据的更多详细信息，请参阅Impala文档。
ColumnarDataStore（列式数据存储）
Kudu是一个columnardatastore（列式数据存储）。列式数据存储在强类型列中。由于几个原因，通过适当
的设计，Kudu对analytical（分析）或warehousing（数据仓库）工作会非常出色。
ReadEfficiency（高效读取）
对于分析查询，允许读取单个列或该列的一部分同时忽略其他列，这意味着您可以在磁盘上读取更少块来完成查询。
与基于行的存储相比，即使只返回几列的值，仍需要读取整行数据。
DataCompression（数据压缩）
由于给定的列只包含一种类型的数据，基于模式的压缩比压缩混合数据类型（在基于行的解决方案中使用）时更有效
几个数量级。结合从列读取数据的效率，压缩允许您在从磁盘读取更少的块时完成查询。请参阅数据压缩
Table（表）
