如何从 Amazon Athena 查询镶木地板数据？答案

【问题标题】：How to Query parquet data from Amazon Athena?如何从 Amazon Athena 查询镶木地板数据？
【发布时间】：2017-08-04 19:30:38
【问题描述】：

Athena 使用 S3 表中的字段创建一个临时表。我已经使用 JSON 数据完成了这项工作。您能帮我了解如何使用 parquet 数据创建表格吗？

我尝试了以下方法：

将示例 JSON 数据转换为镶木地板数据。
已将 parquet 数据上传到 S3。
使用 JSON 数据列创建了临时表。

通过这样做，我可以执行查询，但结果为空。

这种方法是否正确，或者还有其他方法可以用于镶木地板数据？

示例 json 数据：

{"_id":"0899f824e118d390f57bc2f279bd38fe","_rev":"1-81cc25723e02f50cb6fef7ce0b0f4f38","deviceId":"BELT001","timestamp":"2016-12-21T13:04:10:066Z","orgid":"fedex","locationId":"LID001","UserId":"UID001","SuperviceId":"SID001"},
{"_id":"0899f824e118d390f57bc2f279bd38fe","_rev":"1-81cc25723e02f50cb6fef7ce0b0f4f38","deviceId":"BELT001","timestamp":"2016-12-21T13:04:10:066Z","orgid":"fedex","locationId":"LID001","UserId":"UID001","SuperviceId":"SID001"}

【问题讨论】：

您能分享一下您的 Athena 表定义吗？您使用什么工具生成 Parquet 文件？
如果您执行SELECT * FROM foo LIMIT 5，它会返回任何数据吗？如果不是，那么您的表定义无效。

标签： amazon-web-services parquet amazon-athena

【解决方案1】：

步骤：
1. 创建你的 my_table_json
2.将数据插入my_table_json（验证表'LOCATION'中是否存在创建的json文件）
3. create my_table_parquet：与 my_table_json 相同的 create 语句，但需要添加 'STORED AS PARQUET' 子句。
4. 运行： INSERT INTO my_table_parquet SELECT * FROM my_table_json

【讨论】：

【解决方案2】：

如果您的数据已成功以 Parquet 格式存储，那么您将创建一个引用这些文件的表定义。

这是一个使用 Parquet 文件的示例语句：

CREATE EXTERNAL TABLE IF NOT EXISTS elb_logs_pq (
  request_timestamp string,
  elb_name string,
  request_ip string,
  request_port int,
  ...
  ssl_protocol string )
PARTITIONED BY(year int, month int, day int) 
STORED AS PARQUET
LOCATION 's3://athena-examples/elb/parquet/'
tblproperties ("parquet.compress"="SNAPPY");

此示例取自 AWS 博客文章 Analyzing Data in S3 using Amazon Athena，该文章很好地解释了在 Amazon Athena 中使用压缩和分区数据的好处。

【讨论】：

可以排除分区吗？例如，仅包括第 1、3、5 天并排除所有其他日期。
我假设表数据在 s3 上的数据发生变化时更新？这意味着 A）当 s3 上有删除规则时，表中的数据被删除 B）当 S3 上添加新日期时，数据被添加到表中

【解决方案3】：

如果您的表定义有效但未获取任何行，请尝试此操作

-- MSCK REPAIR TABLE 命令将所有分区加载到表中。 -- 此命令可能需要一段时间才能运行，具体取决于要加载的分区数。

MSCK 修复表 {tablename}

【讨论】：