在Apache Spark中，可以通过使用Hive的MSCK REPAIR TABLE命令来加载Hive分区信息。但是，如果不想使用Hive分区外部表的分区信息，可以使用以下代码示例来解决：

import org.apache.spark.sql.SparkSession

val spark = SparkSession.builder()
  .appName("Spark Without Hive Partition Information")
  .master("local")
  .enableHiveSupport()
  .config("spark.sql.hive.convertMetastoreParquet", "false")
  .getOrCreate()
  
// 读取外部表数据
val df = spark.read.table("database.table")

// 禁用自动推断分区
spark.conf.set("spark.sql.sources.partitionOverwriteMode", "dynamic")

// 将分区信息添加为列
val dfWithPartition = df.withColumn("partition", spark_partition_id())

// 以新分区信息为基础保存数据
dfWithPartition.write.partitionBy("partition").mode("overwrite").parquet("path/to/save/data")

在上述代码中，我们首先创建了一个SparkSession，并启用了Hive支持。然后，通过设置spark.sql.hive.convertMetastoreParquet为false来禁用自动将分区信息转换为Parquet文件。接下来，我们读取外部表数据并禁用自动推断分区。然后，使用spark_partition_id()函数将分区信息添加为新的列。最后，我们以新分区信息为基础，将数据保存到指定路径下。