Eu tenho alguns dados do log de eventos no HDFS que, em seu formato bruto, são assim:

2015-11-05 19:36:25.764 INFO    [...etc...]

Uma tabela externa aponta para este local do HDFS:

CREATE EXTERNAL TABLE `log_stage`(
  `event_time` timestamp, 
  [...])
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY '\t' 
  LINES TERMINATED BY '\n' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'

Para desempenho, gostaríamos de consultar isso no Impala. olog_stage os dados são inseridos em uma tabela apoiada pelo Hive / Impala Parquet executando uma consulta do Hive:INSERT INTO TABLE log SELECT * FROM log_stage. Aqui está o DDL da mesa Parquet:

CREATE TABLE `log`(
  `event_time` timestamp,
  [...])
ROW FORMAT SERDE
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe'
STORED AS INPUTFORMAT
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat'
OUTPUTFORMAT
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'

O problema: quando consultados no Impala, os registros de data e hora são 7 horas à frente:

Hive time:   2015-11-05 19:36:25.764
Impala time: 2015-11-06 02:36:25.764

> as.POSIXct("2015-11-06 02:36:25") - as.POSIXct("2015-11-05 19:36:25")
Time difference of 7 hours

Nota: O fuso horário dos servidores (de/etc/sysconfig/clock) estão todos definidos como "America / Denver", que atualmente está 7 horas atrás do UTC.

Parece que o Impala está pegando eventos que já estão no UTC, assumindo incorretamente que estão no horário da América / Denver e adicionando mais 7 horas.

Você sabe como sincronizar os horários para que a tabela Impala corresponda à tabela do Hive?