尽管impala比hive快得多，但我们使用hive是因为它支持复杂的（嵌套的）数据类型，如数组和Map。
我注意到，从cdh5.5开始，impala现在支持复杂的数据类型。因为在 Impala 中也可以运行hive-udf，所以我们可以在 Impala 中做任何我们想做的事情，但是要快得多。这是个好消息！
当我浏览文档时，我看到impala希望数据以parquet格式存储。我的数据，以其原始形式，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

已创建配置单元表：

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.mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat';

原始数据已加载到配置单元表：

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

创建了表的Parquet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到Parquet地板表中：

INSERT INTO id_member_of_parquet SELECT id, member_of FROM id_member_of;

Parquet桌现在可以在Hive中查询：

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，它没有返回数组列：

[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？