Question

我有包含csv文件的S3存储桶（请参见“数据示例”）。

文件是通过Athena查询创建的。

我想将“时间”列视为小数（17,7），将“大小”列视为bigint。

我定义一个表（请参阅“表定义”）并使用查询（请参见下面的“查询”）我在下面看到“错误”。

我的问题：
有没有一种方法可以控制Athena查询输出格式并获得不带字段引号的csv？（1545980216.9581780,1349对“ 1545980216.9581780”，“ 1349”）

假设上一个问题的答案是否定的。如何查询表“ del_me_later_4”中的数据，并将字段视为小数和bigint。

数据样本

"time","size"
"1545751457.8957720","432"
"1545751458.0753407","583"
"1545751458.1407920","583"
"1545751458.1683733","560"

表定义

CREATE EXTERNAL TABLE `del_me_later_4`(
  `time` string, 
  `size` string)
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY ',' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION
  's3://del-me-later/'
TBLPROPERTIES (
  'skip.header.line.count'='1'  
)

查询

SELECT cast(time AS decimal(17,7)) as time,
       cast(size AS bigint) as size  
FROM "del_me_later_4"

错误

INVALID_CAST_ARGUMENT: Cannot cast VARCHAR '"1545751457.8957720"' to DECIMAL(17, 7)

Answer 1

我找到了解决方案。我使用org.apache.hadoop.hive.serde2.OpenCSVSerde。

当您将Athena与OpenCSVSerde一起使用时，SerDe会将所有列类型转换为STRING。接下来，Athena中的解析器根据找到的内容将STRING中的值解析为实际类型。例如，当可以辨别它们时，它将这些值解析为BOOLEAN，BIGINT，INT和DOUBLE数据类型。如果值是UNIX格式的TIMESTAMP，则Athena会将其解析为TIMESTAMP。如果值是Hive格式的TIMESTAMP，则Athena会将其解析为INT。 DATE类型的值也被解析为INT。

请参见https://docs.aws.amazon.com/athena/latest/ug/csv.html

''' CREATE EXTERNAL TABLE `{}`(
  `time` string, 
  `size` string)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
  "separatorChar" = ","
)
LOCATION
  's3://{}/{}'
TBLPROPERTIES (
  'skip.header.line.count'='1'  
)

AWS Athena查询输出格式

1 个答案: