首先，如果遇到措辞拙劣的问题，请道歉，我已经尽力帮助自己，但我不清楚哪里不对。
我正在尝试在Impala中查询从另一个系统导出的数据。到目前为止，它已导出为管道分隔的文本文件，我可以通过创建具有正确分隔符设置的表来导入，复制文件，然后运行刷新语句。
我们遇到了一些问题，一些字段有换行符，这使得我们看起来有更多的数据，它不一定适合我创建的元数据。
有人建议我们可以使用Parquet格式来代替，这将处理内部换行符。
我收到了数据，看起来有点像这样（我更改了用户名）：
-rw-r--r--+ 1 UserName Domain Users 20M Jan 17 10:15 part-00000-6a763116-6728-4467-a641-32dd710857fe.snappy.parquet
-rw-r--r--+ 1 UserName Domain Users 156K Jan 17 10:15 .part-00000-6a763116-6728-4467-a641-32dd710857fe.snappy.parquet.crc
-rw-r--r--+ 1 UserName Domain Users 14M Jan 17 10:15 part-00001-6a763116-6728-4467-a641-32dd710857fe.snappy.parquet
-rw-r--r--+ 1 UserName Domain Users 110K Jan 17 10:15 .part-00001-6a763116-6728-4467-a641-32dd710857fe.snappy.parquet.crc
-rw-r--r--+ 1 UserName Domain Users 0 Jan 17 10:15 _SUCCESS
-rw-r--r--+ 1 UserName Domain Users 8 Jan 17 10:15 ._SUCCESS.crc
如果我通过Impala创建一个存储为parquet的表，然后执行hdfs dfs-ls，我会得到如下内容：
-rwxrwx--x+ 3 hive hive 2103 2019-01-23 10:00 /filepath/testtable/594eb1cd032d99ad-5c13d29e00000000_1799839777_data.0.parq
drwxrwx--x+ - hive hive 0 2019-01-23 10:00 /filepath/testtable/_impala_insert_staging
这显然和我收到的有点不同…
如何在Impala中创建表以接受我收到的内容，我只需要. parque文件还是还需要放入.parque.crc文件？
还是我收到的不符合目的？
我试着看黑斑羚留档，但我不认为这是覆盖它。
这是我需要用serde做的事情吗？
我试图指定compression_codec为快速，但这给出了相同的结果。
任何帮助将不胜感激。
文件的名称无关紧要，只要它们不是一些特殊文件（如_SUCCESS或。crc），它们将被Impala作为Parquet文件读取。您不需要. crc或_SUCCESS文件。
您可以通过两种方式在Impala中使用来自外部源的Parquet文件：
>
首先在Impala中创建一个Parquet表，然后将外部文件放入与该表对应的目录中。
创建一个目录，将外部文件放入其中，然后在Impala中创建一个所谓的外部表。（您以后也可以在那里放置更多数据文件。）
将外部文件放入表中后，您必须发出INVALIDATE METADATAtable_name；以使Impala检查新文件。
创建常规Parquet表的语法是
CREATE TABLE table_name (col_name data_type, ...)
STORED AS PARQUET;
创建外部Parquet表的语法是
CREATE EXTERNAL TABLE table_name (col_name data_type, ...)
STORED AS PARQUET LOCATION '/path/to/directory';
摘自文档的Impala表概述部分：
物理上，每个使用HDFS存储的表都与HDFS中的一个目录相关联。表数据由该目录下的所有数据文件组成：
摘自文档的CREATE TABLE语句部分：
默认情况下，Impala创建一个“内部”表，Impala在其中管理该表的基础数据文件，并在您删除该表时物理删除数据文件。如果您指定EXTERNAL子句，Impala将该表视为“外部”表，其中数据文件通常在Impala外部生成，并从其在HDFS的原始位置进行查询，当您删除该表时，Impala将保留数据文件。有关内部和外部表的详细信息，请参阅Impala表概述。
