HIVE_INVALID_METADATA 在亚马逊雅典娜

HIVE_INVALID_METADATA in Amazon Athena

如何解决 Amazon Athena 中的以下错误?

HIVE_INVALID_METADATA: com.facebook.presto.hive.DataCatalogException: Error: : expected at the position 8 of 'struct<x-amz-request-id:string,action:string,label:string,category:string,when:string>' but '-' is found. (Service: null; Status Code: 0; Error Code: null; Request ID: null)

当查看连接到 AWS Glue 生成的 Athena 的数据库 table 中的位置 8 时,我可以看到它有一个名为 attributes 的列,具有相应的结构数据类型:

struct <
    x-amz-request-id:string,
    action:string,
    label:string,
    category:string,
    when:string
>

我的猜测是错误的发生是因为 attributes 字段并不总是被填充(c.f。下面的 _session.start 事件)并且并不总是包含所有字段(例如DocumentHandling 下面的事件不包含 attributes.x-amz-request-id 字段)。解决这个问题的合适方法是什么?我可以在 Glue 中将列设为可选吗?可以(应该?)胶水用空字符串填充结构吗?其他选择?


背景:我有以下后端结构:

我可以看到 PinPoint 事件已成功添加到 S3 中的 json 文件中,例如

文件中的第一个事件:

{
    "event_type": "_session.start",
    "event_timestamp": 1524835188519,
    "arrival_timestamp": 1524835192884,
    "event_version": "3.1",
    "application": {
        "app_id": "[an app id]",
        "cognito_identity_pool_id": "[a pool id]",
        "sdk": {
            "name": "Mozilla",
            "version": "5.0"
        }
    },
    "client": {
        "client_id": "[a client id]",
        "cognito_id": "[a cognito id]"
    },
    "device": {
        "locale": {
            "code": "en_GB",
            "country": "GB",
            "language": "en"
        },
        "make": "generic web browser",
        "model": "Unknown",
        "platform": {
            "name": "macos",
            "version": "10.12.6"
        }
    },
    "session": {
        "session_id": "[a session id]",
        "start_timestamp": 1524835188519
    },
    "attributes": {},
    "client_context": {
        "custom": {
            "legacy_identifier": "50ebf77917c74f9590c0c0abbe5522d2"
        }
    },
    "awsAccountId": "672057540201"
}

同一文件中的第二个事件:

{
    "event_type": "DocumentHandling",
    "event_timestamp": 1524835194932,
    "arrival_timestamp": 1524835200692,
    "event_version": "3.1",
    "application": {
        "app_id": "[an app id]",
        "cognito_identity_pool_id": "[a pool id]",
        "sdk": {
            "name": "Mozilla",
            "version": "5.0"
        }
    },
    "client": {
        "client_id": "[a client id]",
        "cognito_id": "[a cognito id]"
    },
    "device": {
        "locale": {
            "code": "en_GB",
            "country": "GB",
            "language": "en"
        },
        "make": "generic web browser",
        "model": "Unknown",
        "platform": {
            "name": "macos",
            "version": "10.12.6"
        }
    },
    "session": {},
    "attributes": {
        "action": "Button-click",
        "label": "FavoriteStar",
        "category": "Navigation"
    },
    "metrics": {
        "details": 40.0
    },
    "client_context": {
        "custom": {
            "legacy_identifier": "50ebf77917c74f9590c0c0abbe5522d2"
        }
    },
    "awsAccountId": "[aws account id]"
}

接下来,AWS Glue 生成了一个数据库和一个 table。具体来说,我看到有一个名为 attributes 的列,其值为

struct <
    x-amz-request-id:string,
    action:string,
    label:string,
    category:string,
    when:string
>

但是,当我尝试从 Athena Preview table,即执行查询时

SELECT * FROM "pinpoint-test"."pinpoint_testfirehose" limit 10;

我收到前面描述的错误消息。

旁注,我试图删除 attributes 字段(通过从 Glue 编辑数据库 table),但是在执行 [=63= 时会导致 Internal error ] 来自 Athena 的查询。

这是一个已知的限制。 Athena table 和数据库名称只允许下划线特殊字符#

Athena table 和数据库名称不能包含特殊字符,下划线 (_) 除外。 资料来源:http://docs.aws.amazon.com/athena/latest/ug/known-limitations.html

当 table 名称中有 - 时使用勾号 (`) 例子: SELECT * 来自 `pinpoint-test`.`pinpoint_testfirehose` 限制 10;

确保 select "default" 数据库在左窗格中。

我认为问题出在您的结构元素名称:x-amz-request-id 名称中的“-”。 我目前正在处理类似的问题,因为我的结构中的元素名称中有“::”。
示例数据:

some_key: {
  "system::date": date,
  "system::nps_rating": 0
}

胶水派生结构模式(它试图用 转义它们):

struct <
    system\:\:date:String
    system\:\:nps_rating:Int
>

但这仍然让我在 Athena 中出错。
除了将 Struct 更改为 STRING 并尝试以这种方式处理数据外,我没有好的解决方案。