在亚马逊雅典娜中创建表时转换时间戳

Question

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。

Answer 1

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

Answer 2

(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。