您好！在Flink SQL中直接将列持久化为Hive的Struct类型确实存在一定的挑战，因为Flink原生的数据类型系统与Hive的数据类型系统之间存在差异。Flink主要通过ROW类型来表示结构体数据，这在某种程度上类似于Hive中的Struct类型，但两者并不完全等价，尤其是在与外部系统交互时（如Hive）可能需要特别处理。

针对您的需求，有以下几点建议和解决方案：

1. 使用ROW类型映射到Hive Struct： 虽然Flink不直接提供与Hive Struct类型对应的类型，但您可以尝试使用Flink的ROW类型作为替代。在Flink SQL中定义表结构时，可以声明ROW类型字段来模拟Struct，例如：

   CREATE TABLE kafka_source (
    ...
    details ROW<field1 STRING, field2 INT>,
    ...
   ) WITH (
    'connector' = 'kafka',
    ...
   );
   

   然后，当写入到Hive时，Flink会尽量将ROW类型转换为兼容的Hive Struct类型。需要注意的是，这种转换可能依赖于特定版本的Flink以及与Hive集成的具体实现细节。

2. 自定义序列化器/反序列化器： 如果默认的类型映射不满足需求，您可能需要实现自定义的序列化器（Serializer）和反序列化器（Deserializer），以确保数据在Flink和Hive之间的正确转换。这通常涉及到对Flink Table API或SQL Connector的扩展。

3. 关注社区动态与JIRA： 关于是否已有相关JIRA Issue跟踪此功能或改进，我无法直接查询实时的社区动态和问题追踪系统。但您可以访问Apache Flink的JIRA项目页面并搜索关键词如“Hive Struct”、“ROW type”等，查看是否有相关的议题或者已知问题。同时，参与Flink的用户邮件列表和Slack频道也是获取最新进展和讨论此类问题的好方法。

4. 版本兼容性与更新： 确保您使用的Flink版本与Hive集成良好，并关注官方文档中关于Hive集成的最新特性说明。不同版本间可能存在差异，新版本的Flink可能会提供更好的支持或解决之前存在的问题。

综上所述，虽然直接映射到Hive Struct类型可能存在一些挑战，但通过ROW类型和必要的定制化工作，通常可以实现类似的功能。同时，保持关注社区的最新动态，有助于了解该领域是否有新的进展或解决方案。