在 Amazon Athena 中创建 Table 时转换时间戳

Question

我一直在使用下面的查询在 Athena 中创建一个 table，

CREATE EXTERNAL TABLE IF NOT EXISTS test.test_table (
      `converteddate` string,
      `userid` string,
    )
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
  'serialization.format' = ',',
  'field.delim' = ','
) LOCATION 's3:XXXX'
TBLPROPERTIES ('has_encrypted_data'='false',"skip.header.line.count"="1")

这个return是我：

converteddate        | userid
-------------------------------------
2017-11-29T05:00:00  | 00001
2017-11-27T04:00:00  | 00002
2017-11-26T03:00:00  | 00003
2017-11-25T02:00:00  | 00004
2017-11-24T01:00:00  | 00005

我想return:

converteddate        | userid
-------------------------------------
2017-11-29 05:00:00  | 00001
2017-11-27 04:00:00  | 00002
2017-11-26 03:00:00  | 00003
2017-11-25 02:00:00  | 00004
2017-11-24 01:00:00  | 00005

并将 converteddate 作为 datetime 而不是 string.

Answer 1

创建时无法转换数据table。但是可以边查询边获取数据。您可以使用 date_parse(string,format) -> timestamp 函数。此处提到了更多详细信息。

对于您的用例，您可以执行如下操作

select date_parse(converteddate, '%y-%m-%dT%H:%i:%s') as converted_timestamp, userid
from test_table

注意：根据您的字符串类型，您必须为月（是否始终为两位数）、日、小时（12 或 24 小时格式）等选择适当的说明符

Answer 2

（我的回答有一个前提：您使用的是 OpenCSVSerDe。例如，它不适用于 LazySimpleSerDe。）

如果您可以选择更改输入 CSV 文件的格式，则应将时间戳转换为 UNIX Epoch Time。这是 OpenCSVSerDe 所期望的格式。

例如，您的示例 CSV 如下所示：

"converteddate","userid"    
"2017-11-29T05:00:00","00001"
"2017-11-27T04:00:00","00002"
"2017-11-26T03:00:00","00003"
"2017-11-25T02:00:00","00004"
"2017-11-24T01:00:00","00005"

应该是：

"converteddate","userid"
"1511931600000","00001"
"1511755200000","00002"
"1511665200000","00003"
"1511575200000","00004"
"1511485200000","00005"

对于每个原始日期，这些整数是自 1970 年 1 月 1 日午夜以来的毫秒数。

然后你可以运行你的CREATE TABLE声明的一个稍微修改的版本：

CREATE EXTERNAL TABLE IF NOT EXISTS test.test_table (
      converteddate timestamp,
      userid string
    )
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
LOCATION 's3:XXXX'
TBLPROPERTIES ("skip.header.line.count"="1");

如果您使用 select * from test_table 查询 Athena table，结果将是：

       converteddate        userid  
 ------------------------- -------- 
  2017-11-29 05:00:00.000    00001  
  2017-11-27 04:00:00.000    00002  
  2017-11-26 03:00:00.000    00003  
  2017-11-25 02:00:00.000    00004  
  2017-11-24 01:00:00.000    00005

如您所见，在 Athena 上键入 TIMESTAMP 包括毫秒。

我写了一篇关于在 OpenCSVSerDe 中使用类型 TIMESTAMP 和 DATE 的更全面的解释。你可以阅读.

在 Amazon Athena 中创建 Table 时转换时间戳

Convert Time Stamp while Creating Table in Amazon Athena

amazon-athena