使用 Impala 在 HDFS 中查询 Parquet 文件

Question

我正在尝试使用 Impala 读取镶木地板文件。

impala-shell> SELECT * FROM `/path/in/hdfs/*.parquet`

我知道我可以使用 Spark 或 Drill 做到这一点，但我想知道 Impala 是否可以做到这一点？

谢谢

Answer 1

您需要在 parquet 文件之上创建结构化的 table 以通过 Impala 进行查询。

external table 指向 parquet 目录的一般示例... Cloudera 文档在此处提供所有方法：

https://www.cloudera.com/documentation/enterprise/latest/topics/impala_parquet.html#parquet_ddl

CREATE EXTERNAL TABLE ingest_existing_files LIKE PARQUET '/user/etl/destination/datafile1.dat'
  STORED AS PARQUET
  LOCATION '/user/etl/destination';