我是Spark的新手，目前我主要使用的是Hive＆amp; cloudera HDFS群集上的Impala。
我有几十个XML文件，我用它来使用Hive创建一个外部表。
该表目前存储为Parquet文件。
现在，我想使用Spark读取这些数据.. 我可以直接从表中读取数据吗？
或者我是否必须从原始数据中读取它？ 如果是这样，不同格式之间是否存在性能差异 （XML，Sequence，Parquet）？
谢谢。
更新： 我们的hive集群目前可以在Spark引擎上运行。 但是，我正在谈论在Scala中编写实际的Spark代码，并让它读取Hive表/ XML /序列文件/ Parquet文件。