看起来refreshtable会刷新缓存的元数据，而不会影响配置单元元数据。
医生说：
使给定表的所有缓存元数据失效并刷新。出于性能原因，sparksql或它使用的外部数据源库可能会缓存表的某些元数据，例如块的位置。当这些在sparksql之外发生更改时，用户应该调用此函数使缓存失效。
方法不更新配置单元元数据，因此需要修复。

要直接回答您的问题，msck repair table将检查表的分区是否处于活动状态。这意味着如果删除了一些分区，并且不希望它们显示在表的show partitions命令中，msck repair table应该删除它们。msck修复可能比invalidate或refresh语句花费更多的时间，但是invalidate metadata只在配置单元中运行，只更新配置单元元存储。刷新仅在spark sql中运行，并更新spark元数据存储。
如果您正在处理过程中的某个地方完成添加分区步骤，那么配置单元元存储应该可以，但是如果您想要通过sparksql访问配置单元表，则需要通过spark（或impala或其他更新spark元数据的进程）更新元数据。
无论何时更新或更改配置单元表的内容，spark metastore都可能不同步，从而导致无法通过spark.sql命令集查询数据。这意味着，如果要查询该数据，则需要保持spark元存储同步。
如果您有一个spark版本允许它，那么您应该刷新spark中的配置单元表并将其添加到配置单元表中，这样所有的元存储都是同步的。下面是我的做法：

//Non-Partitioned Table
outputDF.write.format("parquet").mode("overwrite").load(fileLocation)
spark.sql("refresh table " + tableName)

//Partitioned Table
outputDF.write.format("parquet").mode("overwrite").load(fileLocation + "/" + partition)
val addPartitionsStatement = "alter table" + tableName = " add if not exists partition(partitionKey='" + partition + "') location '" + fileLocation + "/" + partition + "'"
spark.sql(addPartitionsStatement)
spark.sql("refresh table " + tableName)