面试官：hive表有数据，但为什么impala查询不到数据？

张工是一名程序员，做java开发的，有两年多开发经验，有次到一家软件公司应聘大数据开发岗位，面试官问了他这样一个问题。

hive表有数据，但为什么impala查询不到数据？

你能说说这是什么情况导致的，有什么办法解决方案吗？

对于这个问题，我们不妨来回顾下，什么情况下hive表有数据，但impala没有数据的情况。

1. 问题描述
   用insert overwrite方式往hive写入的数据，数据写入成功了，在hive查询是可以查到数据的，但在impala刷新元数据后，查询却没有查到，刚开始以为是元数据刷新不成功，再用命令

invalidate metadata table_name
refresh table_name
刷新成功后还是没有数据，返回结果为空。

面试官：hive表有数据，但为什么impala查询不到数据？
2.问题追溯
往hive表写入数据sql里使用了union ，导致hdfs目录结构多了一层，本来数据是在分区第一层的，使用了union 后，数据存储到分区底下的文件夹了。

导致impala无法访问到具体数据。impala版本2.12，查看impala版本命令(impala-shell -v)

3.解决方案
在写入数据sql 后面加上 distribute by + 表中字段 就可以了。

这是为什么呢，为什么加上distribute by +表中字段 就可以了。

我们知道，distribute 是分配、分布的意思，顾名思义，hive中（distribute by + “表中字段”）关键字就是控制map输出结果的分发,相同字段的map输出会发到一个reduce节点去处理。

总结

hive表有数据，impala表没有数据，检查是否刷新元数据，操作命令：

invalidate metadata
refresh table_name。已经成功刷新元数据了，impala依然没有数据， 检查写入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

由于笔者知识及水平有限,文中错漏之处在所难免,欢迎交流。