張工是一名程序員，做java開發(fā)的，有兩年多開發(fā)經(jīng)驗(yàn)，有次到一家軟件公司應(yīng)聘大數(shù)據(jù)開發(fā)崗位，面試官問了他這樣一個(gè)問題。

hive表有數(shù)據(jù)，但為什么impala查詢不到數(shù)據(jù)?

你能說說這是什么情況導(dǎo)致的，有什么辦法解決方案嗎?

對(duì)于這個(gè)問題，我們不妨來回顧下，什么情況下hive表有數(shù)據(jù)，但impala沒有數(shù)據(jù)的情況。

1. 問題描述

用insert overwrite方式往hive寫入的數(shù)據(jù)，數(shù)據(jù)寫入成功了，在hive查詢是可以查到數(shù)據(jù)的，但在impala刷新元數(shù)據(jù)后，查詢卻沒有查到，剛開始以為是元數(shù)據(jù)刷新不成功，再用命令

invalidate metadata table_name
refresh table_name

刷新成功后還是沒有數(shù)據(jù)，返回結(jié)果為空。

2.問題追溯

往hive表寫入數(shù)據(jù)sql里使用了union ，導(dǎo)致hdfs目錄結(jié)構(gòu)多了一層，本來數(shù)據(jù)是在分區(qū)第一層的，使用了union 后，數(shù)據(jù)存儲(chǔ)到分區(qū)底下的文件夾了。

導(dǎo)致impala無法訪問到具體數(shù)據(jù)。impala版本2.12，查看impala版本命令(impala-shell -v)

3.解決方案

在寫入數(shù)據(jù)sql 后面加上 distribute by + 表中字段 就可以了。

這是為什么呢，為什么加上distribute by +表中字段 就可以了。

我們知道，distribute 是分配、分布的意思，顧名思義，hive中(distribute by + “表中字段”)關(guān)鍵字就是控制map輸出結(jié)果的分發(fā),相同字段的map輸出會(huì)發(fā)到一個(gè)reduce節(jié)點(diǎn)去處理。

總結(jié)

hive表有數(shù)據(jù)，impala表沒有數(shù)據(jù)，檢查是否刷新元數(shù)據(jù)，操作命令：

invalidate metadata

refresh table_name。已經(jīng)成功刷新元數(shù)據(jù)了，impala依然沒有數(shù)據(jù)， 檢查寫入hive sql 是否使用union方式，如果是，在sql 后面加上(distribute by + 表中字段 )。

拓展：

distribute by、sort by、cluster by