找到了一个潜在的解决方案，但是对于大量的属性来说它是非常缓慢和麻烦的。下面的查询将两个属性提取到单独的列中。
如果可能的话，更愿意找到一个更有效、更简单的解决方案。

select 
    a1.name,
    a1.age,
    a2.fav_animal
from 
(   select
        t1.name,
        case t1.attr
            when 'age' then t1.value
        end `age` 
    from (
        select
            name,
            a.key attr,
            a.value value
        from
            mytable, mytable.props a
        where 
            a.key = 'age'
    ) t1
) 
a1 left join 
(   select
        t2.name,
        case t2.attr
            when 'fav_animal' then t2.value
        end `fav_animal` 
    from (
        select
            name,
            a.key attr,
            a.value value
        from
            mytable, mytable.props a
        where 
            a.key = 'fav_animal'
    ) t2
) 
a2 on a1.name = a2.name
limit 10;

我可以使用impala（cdh5.13）中的struct数据类型来实现这一点。下面是我遵循的一系列步骤。注意，impala只支持parquet格式的struct数据类型。因此，我使用hive创建表并将数据加载到其中，然后使用impala查询相同的表。

Hive

create table raw_table_parq (
 name string,
 details struct < age: STRING, fav_color: STRING, fav_animal: STRING >
)
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY ','
COLLECTION ITEMS TERMINATED BY '$'
STORED AS PARQUET;

testfile.csv
'Bob',39$'green'$''
'Alice',''$'blue'$'dog'

首先创建一个基于文本文件的暂存表，将csv加载到暂存表中，然后使用“insert into”将表加载到parquet表中。一旦数据加载到所需的表中，在impala中使用下面的查询：

[quickstart.cloudera:21000] > select name, details.age, details.fav_color, details.fav_animal from test.raw_table_parq;
Query submitted at: 2019-12-30 06:31:09 (Coordinator: http://quickstart.cloudera:25000)
Query progress can be monitored at: http://quickstart.cloudera:25000/query_plan?query_id=2f436ff7e3301734:f6f0a75700000000
+---------+-------------+-------------------+--------------------+
| name    | details.age | details.fav_color | details.fav_animal |
+---------+-------------+-------------------+--------------------+
| 'Bob'   | 39          | 'green'           | ''                 |
| 'Alice' | ''          | 'blue'            | 'dog'              |
+---------+-------------+-------------------+--------------------+
Fetched 2 row(s) in 0.13s

希望这有帮助。