AWS Glue - Avro snappy 压缩读取错误 - HIVE_CANNOT_OPEN_SPLIT：打开 Hive 拆分时出错答案

【问题标题】：AWS Glue - Avro snappy compression read error - HIVE_CANNOT_OPEN_SPLIT: Error opening Hive splitAWS Glue - Avro snappy 压缩读取错误 - HIVE_CANNOT_OPEN_SPLIT：打开 Hive 拆分时出错
【发布时间】：2018-08-03 04:56:40
【问题描述】：

使用 AWS Glue 在 S3 中使用 snappy 压缩保存 Avro 文件（gzip/bzip2 压缩也同样的错误）后，当我尝试使用 AWS Crawler 读取 athena 中的数据时，我收到以下错误 - HIVE_CANNOT_OPEN_SPLIT: Error opening Hive拆分 - 使用 org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat：不是数据文件。知道为什么会出现此错误以及如何解决此问题吗？

【问题讨论】：

考虑为您的问题添加更多信息。

标签： amazon-web-services hadoop pyspark aws-glue

【解决方案1】：

谢谢。

通过在执行期间将本机 spark avro jar 文件附加到胶水作业并使用本机 spark 读/写方法以 avro 格式写入它们并用于压缩设置 spark.conf.set("spark.sql.avro .compression.codec","snappy") 一旦创建了 spark 会话。

非常适合我，也可以通过 Athena 阅读。

【讨论】：

我遇到了同样的问题，你能分享你的 jar 文件和任何其他关于配置 Glue 作业的帮助

【解决方案2】：

AWS Glue 不支持使用压缩文件编写 avro，尽管文档中没有明确说明。作业成功，但它以错误的方式应用压缩：它不是压缩文件块，而是压缩整个错误的文件，这就是 Athena 无法查询它的原因。

有解决此问题的计划，但我不知道 ETA。

如果您可以联系 AWS 支持让他们知道您也遇到了这个问题，那就太好了（更多客户受到影响 - 尽快解决）

【讨论】：

现在是 2022 年，这仍然是事实。 Glue Studio 很乐意鼓励您向 Avro 添加压缩，然后 Athena 将无法读取该表。