S3 存储桶上的 AWS Athena 有一些 JSON 个文件

Question

使用 AWS Athena 进行试验。我正在尝试从具有如下文件结构的 S3 存储桶创建 table：

my-bucket/
my-bucket/group1/
my-bucket/group1/entry1/
my-bucket/group1/entry1/data.bin
my-bucket/group1/entry1/metadata
my-bucket/group1/entry2/
my-bucket/group1/entry2/data.bin
my-bucket/group1/entry2/metadata
...
my-bucket-group2/
...

只有 metadata 个文件是 JSON 个文件。每一个看起来像这样：

{
    "key1": "value1",
    "key2": "value2",
    "key3": n
}

所以我尝试创建一个 table:

CREATE EXTERNAL TABLE example (
  key1 string,
  key2 string,
  key3 int
)
ROW FORMAT  serde 'org.apache.hive.hcatalog.data.JsonSerDe'
LOCATION 's3://my-bucket/'

创建查询成功，但是当我尝试查询时：

SELECT * FROM preserved_recordings limit 10;

我收到一个错误：

Query 93aa62d6-8a52-4a5d-a2fb-08a6e00181d3 failed with error code HIVE_CURSOR_ERROR: org.codehaus.jackson.JsonParseException: Unexpected end-of-input: expected close marker for OBJECT (from [Source: java.io.ByteArrayInputStream@2da7f4ef; line: 1, column: 0]) at [Source: java.io.ByteArrayInputStream@2da7f4ef; line: 1, column: 3]

在这种情况下，AWS Athena 是否要求存储桶中的所有个文件为 JSON？我不确定是 .bin 文件导致了光标错误，还是其他原因。有没有其他人遇到过这个，或者可以告诉我发生了什么事？

Answer 1

是的，Athena（Presto、Hive）要求存储在 table's LOCATION 中的文件具有一致的格式。我相信您需要移动文件以便为每个基础数据模式创建单独的 tables。

Answer 2

最近我发现，如果你把文件放在优先级 _ 那么 hive 会忽略它们。因此，在您的示例中，您可以将文件重命名为 _data.bin，然后该文件将被忽略。

S3 存储桶上的 AWS Athena 有一些 JSON 个文件

AWS Athena on S3 bucket with some JSON files

json

amazon-s3

amazon-web-services

amazon-athena