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?
最佳答案
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。
关于sql - AWS Athena 文件系统上缺少表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57395856/