Question

我正在使用以下python脚本从CSV文件创建一个镶木地板文件：

import pandas as pd
import pyarrow as pa
import pyarrow.parquet as pq

csv_file = '~/Desktop/SWA_UK_Pickup_Forecast_HOURLY_M1_at_2017-11-28-04_20_21-UTC_from_28-Nov-2017_to_28-Nov-2017.csv'

chunksize = 10

csv_stream = pd.read_csv(csv_file, sep=',', chunksize=chunksize, low_memory=False)

for i, chunk in enumerate(csv_stream):
    if i == 0:
        parquet_schema = pa.Table.from_pandas(df=chunk).schema
        parquet_writer = pq.ParquetWriter('/Users/kohujwal/Desktop/parquet_forecast_file.parquet', parquet_schema, compression='snappy')
    table = pa.Table.from_pandas(chunk, schema=parquet_schema);
    parquet_writer.write_table(table)

parquet_writer.close();

然后我手动将其上传到某个s3位置，并在Athena上创建一个表格。用于创建表的查询：

CREATE EXTERNAL TABLE IF NOT EXISTS forecast_report_lom_parquet (
  `forecast_week` int,
  `for_date` string,
  `forecast_day_of_week` string,
  `merchant_id` string,
  `shipper_account_id` string,
  `shipper_name` string,
  `node_id` string,
  `routing_preference` string,
  `forecast_shipment_count` int,
  `forecast_pallet_count` int,
  `forecast_volume` double )
STORED AS PARQUET
LOCATION 's3://prevoir-athena-input-prod/spike-computation/forecast-reports/parquet/live-order-model/'
tblproperties ("parquet.compress"="SNAPPY")

表已成功创建，但是当我尝试查询表时，它不会显示内容。它只显示行和列名称的索引。这是CSV和parquet file。镶木桌上的查询：

SELECT * FROM prevoir_prod.forecast_report_lom_parquet

我在控制台上看到的

Results。

有谁可以指出这里出了什么问题？

Answer 1

您的结果显示行号。这意味着Athena在S3上找到文件，并将其解析到识别行的位置。

Athena（或更确切地说，ParquetSerDe）似乎无法从您的文件中获取列。这表明CREATE EXTERNAL TABLE语句和实际文件之间不匹配。一些可能性：

列名或数据类型错误
文件未按预期压缩（即尝试不压缩）

每当我有一个无法创建表的文件时，我都会使用Glue搜寻器检查并构建创建的DDL。效果很好，很简单，并且节省了大量的试验和错误。

在雅典娜的书面拼花文件上创建表

1 个答案: