在 AWS Athena/Glue 与 Quicksight 中查询字典的 JSON 列表

Question

（这个问题和Store multiple elements in json files in AWS Athena很像）

我在 S3 存储桶中有一个 JSON 文件，其结构如下 -

[{"key1": value, "key2": value, "key3": {"key4": value, etc}}, {"key1": value....}]

两个问题：

1. 为什么如果我将它直接发送到 Quicksight，Quicksight 知道完美地规范化文件（除非存储桶中有多个文件不匹配（这就是我尝试 Athena 的原因））但雅典娜与之抗争？我知道它与格式有关（每个字典不在自己的行上，它是字典列表而不仅仅是字典等），但如果 AWS 上有其他服务，则似乎没有必要修改原始文件知道如何毫无问题地解析和展平它。

2. 我在 Lambda 中使用 Python 脚本来调用 API，字典列表就是它的格式。有没有一种简单的方法可以按照 Athena 喜欢的方式格式化 JSON 文件？以下是我当前脚本的示例 -

response = requests.request(method, url, **kwargs)
data_dict = response.json()
data_json = json.dumps(data_dict['results'])
s3.Bucket('bucket_name').put_object(Key = key, Body = data_json)

免责声明：总的来说，我对 AWS/编码相当陌生，并且在尝试理解 AWS 文档时遇到了许多挑战，所以如果这是一个简单的解决方法，我深表歉意。

Answer 1

Athena 和 Quicksight 有不同的后端，因此这解释了行为上的差异。

Athena 的问题是每条 JSON 记录都需要在自己的行上，而不是包裹在 JSON 数组中。我创建了 lambdas 来“展平”我从流中提取的 JSON，类似于您的问题。

以下是一些示例代码，可以帮助您使数据与 Athena 更兼容（此代码未运行/未经测试，但希望它能给您正确的想法）：

client = boto3.client('s3')
response = requests.request(method, url, **kwargs)
data_dict = response.json()

with open('/tmp/out.json', 'w') as output:
    for result in data_dict['results']:
        output.write(json.dumps(result))

client.upload_file('/tmp/out.json', 'bucket_name', key)

请记住，Athena 不喜欢其中包含 . 的键/列名称，因此如果您的数据中有任何内容，您可能需要先对数据进行处理，然后再将其存储到 s3 中。

如果您的 JSON 是嵌套的，如您使用 key3 所指示的示例，您可能还希望在使用类似 flatten_json 将其存储在 S3 中之前查看扁平化您的 JSON。 Athena 可以让您很好地查询嵌套的 JSON，但 Quicksight 等其他一些工具可能无法处理复杂的嵌套列。