amazon-athena - 读取部分数据的符号文件
问题描述
我已将每月数据保存在给定的 S3 存储桶中,并且可以毫无问题地运行 athena 查询。但如果我使用符号文件,雅典娜只会读取 1 月和 7 月的数据。这很奇怪。
我的符号文件看起来像这样......
s3://some_bucket/sub_bucket/no_details_201801.csv.gz
s3://some_bucket/sub_bucket/no_details_201802.csv.gz
s3://some_bucket/sub_bucket/no_details_201803.csv.gz
s3://some_bucket/sub_bucket/no_details_201804.csv.gz
s3://some_bucket/sub_bucket/no_details_201805.csv.gz
s3://some_bucket/sub_bucket/no_details_201806.csv.gz
s3://some_bucket/sub_bucket/no_details_201807.csv.gz
s3://some_bucket/sub_bucket/no_details_201808.csv.gz
s3://some_bucket/sub_bucket/no_details_201808.csv.gz
s3://some_bucket/sub_bucket/no_details_201810.csv.gz
s3://some_bucket/sub_bucket/no_details_201811.csv.gz
s3://some_bucket/sub_bucket/no_details_201812.csv.gz
在这 12 个文件中,缺少 2 个月的数据文件,而 athena 并没有抱怨它。那很好。但它没有读取其余 10 个文件。那没问题。但它似乎只读取了 2 个不可接受的文件(随机选择)。有没有人用雅典娜符号文件经历过这个?
解决方案
我假设您正在使用SymlinkTextInputFormat
. 如果符号链接文件中缺少任何文件,则 EMR 上的 Athena 和 Presto 都应该使查询失败。II 无法重现该问题。
CREATE EXTERNAL TABLE `symlink_test`(
`col1` string,
`col2` string)
ROW FORMAT SERDE
'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
'escapeChar'='\\',
'quoteChar'='`',
'separatorChar'=',')
STORED AS INPUTFORMAT
'org.apache.hadoop.hive.ql.io.SymlinkTextInputFormat'
OUTPUTFORMAT
'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION
's3://my-bucket/datasets/symlink'
如果符号链接中的任何文件不存在,Athena 和 Presto 会给出类似于以下内容的错误消息:
HIVE_UNKNOWN_ERROR: Input path does not exist:[...]
推荐阅读
- c++ - 有没有办法将 set 与在线比较器一起使用?
- matlab - 使用散点确定未知 3D 表面的法线向量
- reactjs - act(() => promise.resolve()) 在我的测试中到底做了什么
- javascript - 如何在haskell项目中使用haskell模块添加javascript事件监听器
- python - 使用(最多)Numpy 计算雅可比矩阵
- java - 为什么我不应该在实现它们时更改接口方法名称?
- android - NavContoller 在片段中泄漏
- javascript - 网页搜索输入框的这个搜索过滤器代码有什么问题?
- android - Imageview 的图像未在数据绑定中的 bindingadapter 中设置
- linux - 将静态变量传递给 GNU Parallel