Question

我正在使用 Impala （版本2.4.0）运行 CDH 发行版（版本5.6.0）。

我有一些存储在HDFS中的Parquet文件。接下来，我使用以下查询将这些文件加载到Impala外部表中：

create external table parquetTable
like parquet 'hdfs://cloudera-impala-mn0.eastus.cloudapp.azure.com:8020/user/root/big_data/part-r-00015-66cf01ca-ffee-4a62-b2c3-c09177ec4bd7.gz.parquet'
stored as parquet location 'hdfs://cloudera-impala-mn0.eastus.cloudapp.azure.com:8020/user/root/big_data/;

执行以下查询后，所有文件都成功列出：

[cloudera-impala-dn0.eastus.cloudapp.azure.com:21000] > show files in parquettable;

此外，元数据是正确的（通过执行describe parquettable来检查。）

该表的统计数据是：

[cloudera-impala-dn0.eastus.cloudapp.azure.com:21000] > show table stats parquettable;

行|文件|尺寸|字节缓存|缓存复制|格式|增量统计|位置

-1 | 838 | 249.64GB |没有缓存|没有缓存| PARQUET |假| HDFS：//cloudera-impala-mn0.eastus.cloudapp.azure.com：8020 /用户/根/ big_data

执行以下查询：

[cloudera-impala-dn0.eastus.cloudapp.azure.com:21000] > select count(*) from parquettable;

导致以下警告，但没有任何输出结果或错误：

文件'hdfs：//cloudera-impala-mn0.eastus.cloudapp.azure.com:8020 / user / root / big_data / part-r-00001-7c29b85c-bd1f-420e-8834-96300076a92d.gz.parquet '的版本号无效：▒.F/ 这可能是由于陈旧的元数据。尝试运行“refresh default.parquettable”。

正在运行refresh default.parquettable没有任何效果。

任何帮助将不胜感激！

Answer 1

你的步骤看起来不错。该错误引发了部分-r-00001-7c29b85c-bd1f-420e-8834-96300076a92d.gz.parquet，而在创建表时使用part-r-00015-66cf01ca-ffee-4a62-b2c3-c09177ec4bd7.gz.parquet 。因此看起来部分-r-00001-7c29b85c-bd1f-420e-8834-96300076a92d.gz.parquet存在问题。除了part-r-00015-66cf01ca-ffee-4a62-b2c3-c09177ec4bd7.gz.parquet之外，你能摆脱big_data表中的所有文件吗？

Cloudera Impala：文件的版本号无效。这可能是由于陈旧的元数据

1 个答案: