正如impala教程中讨论的那样，Impala使用了Hive共享的Metastore。但是已经提到过，如果使用hive在表上创建或进行某些版本编辑，则应执行INVALIDATE METADATA或REFRESH命令来通知Impala有关更改的信息。
所以我很困惑，我的问题是:如果共享元数据数据库，为什么需要由impala执行INVALIDATE METADATA或REFRESH？
如果是通过impala来缓存元数据，那么为什么守护程序自己在缓存未命中的情况下不更新其缓存，而无需手动刷新元数据？
任何帮助表示赞赏。
最佳答案
好!让我们从评论中的问题开始，即集中式元存储的好处是什么。
拥有中央元存储不需要用户在两个不同的位置维护元数据，每个位置分别用于Hive和Impala。用户可以拥有一个中央存储库，并且这两个工具都可以访问此位置以获取任何元数据信息。
现在，第二部分，为什么在共享元存储时需要执行INVALIDATE METADATA或REFRESH？
Impala利用Massively Parallel Processing范例来完成工作。它倾向于从执行者节点保留元数据，而不是从集中的元存储中读取每个查询，以便它可以完全绕过“冷启动”，而在冷启动中可能要花费大量时间来读取元数据。
INVALIDATE METADATA/REFRESH会将元数据/块信息传播到执行程序节点。
为什么要手动进行？
在早期版本的Impala中，没有分类过程。元数据更新需要通过上述命令传播。从Impala 1.2开始，添加了catalogated，此过程将元数据更改从Impala SQL语句中继到集群中的所有节点。
因此，无需手动进行操作!
希望能有所帮助。