我一直在使用以下查询在雅典娜中创建表,
CREATE EXTERNAL TABLE IF NOT EXISTS test.test_table (
`converteddate` string,
`userid` string,
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
'serialization.format' = ',',
'field.delim' = ','
) LOCATION 's3:XXXX'
TBLPROPERTIES ('has_encrypted_data'='false',"skip.header.line.count"="1")
这让我返回:
converteddate | userid
-------------------------------------
2017-11-29T05:00:00 | 00001
2017-11-27T04:00:00 | 00002
2017-11-26T03:00:00 | 00003
2017-11-25T02:00:00 | 00004
2017-11-24T01:00:00 | 00005
我想回来:
converteddate | userid
-------------------------------------
2017-11-29 05:00:00 | 00001
2017-11-27 04:00:00 | 00002
2017-11-26 03:00:00 | 00003
2017-11-25 02:00:00 | 00004
2017-11-24 01:00:00 | 00005
并将日期转换为日期时间而不是字符串。
创建表时无法转换数据。但是,您可以在查询时获取数据。您可以使用date_parse(字符串,格式(->时间戳函数。此处提到了更多详细信息。
对于您的用例,您可以执行以下操作
select date_parse(converteddate, '%y-%m-%dT%H:%i:%s') as converted_timestamp, userid
from test_table
注意:根据字符串的类型,您必须为月(始终为两位数或非两位数(,日,小时(12或24小时格式(等选择合适的说明符
(我的回答有一个前提:你正在使用OpenCSVSerDe。例如,它不适用于LazySimpleSerDe。
如果可以选择更改输入 CSV 文件的格式,则应将时间戳转换为 UNIX 纪元时间。这就是OpenCSVSerDe所期待的格式。
例如,您的示例 CSV 如下所示:
"converteddate","userid"
"2017-11-29T05:00:00","00001"
"2017-11-27T04:00:00","00002"
"2017-11-26T03:00:00","00003"
"2017-11-25T02:00:00","00004"
"2017-11-24T01:00:00","00005"
它应该是:
"converteddate","userid"
"1511931600000","00001"
"1511755200000","00002"
"1511665200000","00003"
"1511575200000","00004"
"1511485200000","00005"
这些整数是自 1970 年 1 月 1 日午夜以来每个原始日期的毫秒数。
然后,您可以运行 CREATE TABLE
语句的略微修改版本:
CREATE EXTERNAL TABLE IF NOT EXISTS test.test_table (
converteddate timestamp,
userid string
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
LOCATION 's3:XXXX'
TBLPROPERTIES ("skip.header.line.count"="1");
如果您使用 select * from test_table
查询您的 Athena 表,结果将是:
converteddate userid
------------------------- --------
2017-11-29 05:00:00.000 00001
2017-11-27 04:00:00.000 00002
2017-11-26 03:00:00.000 00003
2017-11-25 02:00:00.000 00004
2017-11-24 01:00:00.000 00005
如您所见,在雅典娜上键入时间戳包括毫秒。
我写了一个更全面的解释,介绍如何在OpenCSVSerDe中使用TIMESTAMP和DATE类型。你可以在这里阅读。