镶木地板支持的Hive表：在Impala中不可查询的数组列

Question

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，例如数组和映射。

我注意到，从CDH5.5开始，Impala 现在支持复杂的数据类型。由于也可以在Impala中运行Hive UDF，因此我们可能可以在Impala中完成我们想要的所有事情，但是速度要快得多。这真是个好消息！

在浏览文档时，我发现Impala希望数据以Parquet格式存储。我的数据以原始格式碰巧是一个两列CSV，其中第一列是ID，第二列是用竖线分隔的字符串数组，例如：

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

配置单元表已创建：

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Hive表中：

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

表的Parquet版本已创建：

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

来自CSV支持表的数据被插入到Parquet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Parquet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Parquet支持的表时，它不返回数组列：

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

问题：数组列发生了什么？你能看到我做错了吗？

Answer 1

事实证明这非常简单：我们可以通过将数组添加到FROM带有点的数组中来访问数组，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 |
+-----+-------+