在 athena 上工作时，数据在 redshift 外部表上显示为空

Question

所以我试图在红移光谱上运行以下简单查询：

select * from company.vehicles where vehicle_id is not null

它返回 0 行（表中的所有行都是空的）。但是，当我在 athena 上运行相同的查询时，它可以正常工作并返回结果。尝试了 msck 修复，但 athena 和 redshift 都使用相同的元存储，所以没关系。 我也没有看到任何错误。

文件格式为orc。

创建表查询是：

CREATE EXTERNAL TABLE 'vehicles'(
  'vehicle_id' bigint, 
  'parent_id' bigint, 
  'client_id' bigint, 
  'assets_group' int, 
  'drivers_group' int)
PARTITIONED BY ( 
  'dt' string, 
  'datacenter' string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.orc.OrcSerde' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat'
LOCATION
  's3://company-rt-data/metadata/out/vehicles/'
TBLPROPERTIES (
  'CrawlerSchemaDeserializerVersion'='1.0', 
  'CrawlerSchemaSerializerVersion'='1.0',  
  'classification'='orc', 
  'compressionType'='none')

有什么想法吗？

Answer 1

您是如何创建外部表的？ 对于 Spectrum，您必须显式设置参数以将应视为 null 的内容处理

在 TABLE PROPERTIES 中添加参数 'serialization.null.format'='' 以便所有带有 '' 的列都将被视为 NULL 到您的频谱中的外部表中

**

CREATE EXTERNAL TABLE external_schema.your_table_name(
)
row format delimited
    fields terminated by ','
    stored as textfile 
LOCATION [filelocation]
TABLE PROPERTIES('numRows'='100', 'skip.header.line.count'='1','serialization.null.format'='');

**

或者，您可以在创建将自动识别 NULL 值的外部表时设置 SERDE-PROPERTIES

Answer 2

最终证明这是红移中的一个错误。为了修复它，我们需要运行以下命令：

ALTER TABLE table_name SET TABLE properties(‘orc.schema.resolution’=‘position’);