镶木地板支持的蜂巢表：在Impala中不可查询数组列

Question

虽然 Impala 比 Hive 快得多，但我们之所以使用 Hive，是因为它支持复杂（嵌套）数据类型，如数组和映射。

我注意到，从CDH5.5开始，Impala现在支持复杂的数据类型。由于在黑斑羚中也可以运行蜂巢UDF，我们可能可以在黑斑中做任何我们想做的事情，但要快得多。这是个好消息！

当我浏览文档时，我看到Impala希望以镶木地板格式存储数据。我的数据，在原始形式中，恰好是一个两列的CSV，其中第一列是一个ID，第二列是一个管道分隔的字符串数组，例如：

123,ASDFG|SDFGH|DFGHJ|FGHJK
234,QWERT|WERTY|ERTYU

已创建 Hive 表：

CREATE TABLE `id_member_of`(
  `id` INT, 
  `member_of` ARRAY<STRING>)
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY ',' 
  COLLECTION ITEMS TERMINATED BY '|' 
  LINES TERMINATED BY '\n' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.html" target="_blank">mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat';

原始数据被加载到Hive表中：

LOAD DATA LOCAL INPATH 'raw_data.csv' INTO TABLE id_member_of;

创建了桌子的镶木地板版本：

CREATE TABLE `id_member_of_parquet` (
 `id` STRING, 
 `member_of` ARRAY<STRING>) 
STORED AS PARQUET;

CSV支持的表中的数据被插入拼花表中:

INSERT INTO id_member_of_parquet SELECT id, member_of FROM id_member_of;

现在可以在Hive中查询拼花表：

hive> select * from id_member_of_parquet;
123 ["ASDFG","SDFGH","DFGHJ","FGHJK"]
234 ["QWERT","WERTY","ERTYU"]

奇怪的是，当我在 Impala 中查询同一个 Parquet 支持的表时，它不会返回数组列：

[hadoop01:21000] > invalidate metadata;
[hadoop01:21000] > select * from id_member_of_parquet;
+-----+
| id  |
+-----+
| 123 |
| 234 |
+-----+

问：数组列怎么了？你能看出我做错了什么吗？

Answer 1

事实证明非常简单:我们可以通过用点将数组添加到< code>FROM来访问数组，例如

Query: select * from id_member_of_parquet, id_member_of_parquet.member_of
+-----+-------+
| id  | item  |
+-----+-------+
| 123 | ASDFG |
| 123 | SDFGH |
| 123 | DFGHJ |
| 123 | FGHJK |
| 234 | QWERT |
| 234 | WERTY |
| 234 | ERTYU |
+-----+-------+