AWS Glue 无法访问输入数据集

Question

我在 Glue / Athena 中注册了一个数据集，称之为 my_db.table。我可以通过 Athena 查询它，一切似乎都正常。

我正在尝试在 Glue 作业中使用此表，但收到以下相当不透明的错误消息：

py4j.protocol.Py4JJavaError: An error occurred while calling o54.getCatalogSource.
: java.lang.Error: No classification or connection in my_db.table

这似乎表明 Glue 无法看到我的表的目录条目，或者无法使用该条目中的信息，但我没有任何进一步的可见性。

有人遇到过这个错误吗？是什么原因造成的？

Answer 1

错误消息实际上很好地描述了问题 - 正在查询的表没有分类。

通过 Glue 创建的表使用分类注册 - csv、parquet、orc、avro、json。见Creating Tables Using Athena for AWS Glue Jobs。

我通过 Athena“手动”创建的表没有分类。请参阅 Glue 'tables' 页面的以下屏幕截图。

解决方案很简单：在CREATE TABLE 脚本的末尾，用户必须像这样附加一个classification 属性

CREATE EXTERNAL TABLE IF NOT EXISTS my_db.my_table (
  `id` int,
  `description` string 
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = ',',
  'field.delim' = ',',
  'collection.delim' = 'undefined',
  'mapkey.delim' = 'undefined'
) LOCATION 's3://my_bucket/'
TBLPROPERTIES ('classification'='csv');

现在表格在 Glue 界面中有一个分类，并且可以通过 Glue 作业访问。