sql - AWS Athena 文件系统上缺少表

Question

我在 Athena 上使用此代码创建了一个带有自动分区的表。

CREATE EXTERNAL TABLE IF NOT EXISTS matchdata.stattable (
  `matchResult` string,
  ...
) PARTITIONED BY (
  year int ,
  month int,
  day int
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = '1'
) LOCATION 's3://******/data/year=2019/month=8/day=2/'
TBLPROPERTIES ('has_encrypted_data'='false');

我跑了 MSCK 维修表 stattable ，但文件系统上缺少表，查询结果为 返回零记录 . matchdata.stattable 得到相同的结果。

另一个没有分区的表，查询工作正常。但是随着服务的继续和数据集的增长，我必须进行分区。

示例数据路径是 data/2019/8/2/1SxFHaUeHfesLtPs._BjDk.gz。我该如何解决这个问题？

Answer 1

正如您所发现的(但对于遇到相同问题的人，还有更多背景信息)MSCK REPAIR TABLE …只理解 Hive 风格的分区，例如/data/year=2019/month=08/day=10/file.json .该命令的真正作用是扫描 S3 上与表的 LOCATION 相对应的前缀。指令并寻找看起来像这样的路径组件。

这只是 MSCK REPAIR TABLE … 的限制，您可以手动添加具有其他路径样式的分区，如下所示:

ALTER TABLE the_table ADD PARTITION (year = '2019', month = '08', day = '10') LOCATION 's3://some-bucket/data/2019/08/10/'

另见 https://docs.aws.amazon.com/athena/latest/ug/alter-table-add-partition.html

我什至要说你应该避免使用 MSCK REPAIR TABLE …共。它很慢，并且只会随着您拥有的分区越多而变慢。运行 ALTER TABLE … ADD PARTITION … 效率更高当您在 S3 上添加新数据时，因为您知道刚刚添加的内容及其位置，因此无需告诉 Athena 扫描整个前缀。直接使用 Glue API 会更快，但不幸的是，这需要更多的代码。