下面是我提出的一个解决方案，用于从 parquet 文件中获取元数据，以便创建一个Hive表。
首先启动一个spark-shell（或者将其全部编译到一个Jar中，然后使用spark-submit运行它，但是shell要简单得多）

import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.sql.DataFrame

val df=sqlContext.parquetFile("/path/to/_common_metadata")

def creatingTableDDL(tableName:String, df:DataFrame): String={
  val cols = df.dtypes
  var ddl1 = "CREATE EXTERNAL TABLE "+tableName + " ("
  //looks at the datatypes and columns names and puts them into a string
  val colCreate = (for (c <-cols) yield(c._1+" "+c._2.replace("Type",""))).mkString(", ")
  ddl1 += colCreate + ") STORED AS PARQUET LOCATION '/wherever/you/store/the/data/'"
  ddl1
}

val test_tableDDL=creatingTableDDL("test_table",df,"test_db")

它将为您提供配置单元将用于每列的数据类型，因为它们存储在Parquet中。例如：CREATE EXTERNAL TABLE test_table (COL1 Decimal(38,10), COL2 String, COL3 Timestamp) STORED AS PARQUET LOCATION '/path/to/parquet/files'

我只想扩展一下James Tobin的答案，有一个StructField类，它提供了Hive的数据类型，而不需要进行字符串替换。

// Tested on Spark 1.6.0.

import org.apache.spark.sql.DataFrame

def dataFrameToDDL(dataFrame: DataFrame, tableName: String): String = {
    val columns = dataFrame.schema.map { field =>
        "  " + field.name + " " + field.dataType.simpleString.toUpperCase
    }

    s"CREATE TABLE $tableName (\n${columns.mkString(",\n")}\n)"
}

这样就解决了IntegerType问题。

scala> val dataFrame = sc.parallelize(Seq((1, "a"), (2, "b"))).toDF("x", "y")
dataFrame: org.apache.spark.sql.DataFrame = [x: int, y: string]

scala> print(dataFrameToDDL(dataFrame, "t"))
CREATE TABLE t (
  x INT,
  y STRING
)

这应该适用于任何DataFrame，而不仅仅适用于Parquet。（例如，我将其用于JDBC DataFrame。）
另外，如果目标DDL支持可为空的列，则可以通过选中StructField.nullable来扩展该函数。

对维克托进行了小的改进（在www.example.com上添加了引用field.name），并修改为将table绑定到本地 parquet 文件（在spark 1.6.1上测试）

def dataFrameToDDL(dataFrame: DataFrame, tableName: String, absFilePath: String): String = {
    val columns = dataFrame.schema.map { field =>
      "  `" + field.name + "` " + field.dataType.simpleString.toUpperCase
    }
    s"CREATE EXTERNAL TABLE $tableName (\n${columns.mkString(",\n")}\n) STORED AS PARQUET LOCATION '"+absFilePath+"'"
  }

还要注意：

• 由于SQLContext不支持创建外部表，因此需要HiveContext。
• parquet 文件夹的路径必须是绝对路径

我想扩大詹姆斯回答，
下面的代码适用于所有数据类型，包括ARRAY、MAP和STRUCT。
已在SPARK 2.2中测试

val df=sqlContext.parquetFile("parquetFilePath")
val schema = df.schema
var columns = schema.fields
var ddl1 = "CREATE EXTERNAL TABLE " tableName + " ("
val cols=(for(column <- columns) yield column.name+" "+column.dataType.sql).mkString(",")
ddl1=ddl1+cols+" ) STORED AS PARQUET LOCATION '/tmp/hive_test1/'"
spark.sql(ddl1)

我也有同样的问题。不过从实际Angular 来看可能很难实现，因为Parquet支持模式演化：
http://www.cloudera.com/content/www/en-us/documentation/archive/impala/2-x/2-0-x/topics/impala_parquet.html#parquet_schema_evolution_unique_1
例如，您可以向表中添加一个新列，而不必接触表中已有的数据。只有新的数据文件才会有新的元数据（与以前的版本兼容）。
从Spark 1.5.0开始，默认情况下模式合并是关闭的，因为这是一个“相对昂贵的操作”http://spark.apache.org/docs/latest/sql-programming-guide.html#schema-merging所以推断最新的模式可能并不像听起来那么简单。

$ parquet-tools schema /home/gz_files/result/000000_0

其实 Impala 支持

CREATE TABLE LIKE PARQUET

(no共列截面）：
https://docs.cloudera.com/runtime/7.2.15/impala-sql-reference/topics/impala-create-table.html
你的问题的标签有“hive”和“spark”，我没有看到这是在Hive中实现的，但如果你使用CDH，它可能是你正在寻找的。