我有包含CSV文件的S3存储桶(请参阅'数据示例')。
文件是由于achena查询而创建的。
我想将"时间"列视为十进制(17,7)和"大小"列为bigint。
我定义了一个表(请参阅"表定义")并使用查询(请参见下面的"查询")我在下面得到"错误"。
我的问题是:
有没有一种方法可以控制雅典娜查询输出格式并获得无引号的CSV?(1545980216.9581780,1349 vs" 1545980216.9581780"," 1349")
假设上一个问题的答案是负面的。我如何查询表" del_me_later_4"中的数据并将字段视为十进制和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)
我找到了一个解决方案。我使用org.apache.hadoop.hive.serde2.opencsvserde。
当您将Athena与OpenCsvSerde一起使用时,Serde将所有列类型转换为字符串。接下来,雅典娜(Athena)中的解析器根据其发现将值从字符串中解析为实际类型。例如,当它可以辨别出值时,它将值解析为布尔,bigint,int和双数据类型。如果值以UNIX格式的时间戳为时间戳,则雅典娜将其解析为时间戳。如果这些值以蜂巢格式的时间戳为hive,则雅典娜将其解析为int。日期类型值也被解析为int。
请参阅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'
)