LazySimpleSerDe per CSV, TSV e file delimitati in modo personalizzato - Amazon Athena

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

LazySimpleSerDe per CSV, TSV e file delimitati in modo personalizzato

La specificazione di questo valore SerDe è facoltativa. Si tratta dei SerDe dati in formato CSV, TSV e dei formati delimitati personalizzati utilizzati da Athena per impostazione predefinita. SerDe Viene utilizzato se non ne specifichi nessuno e lo specifichi solo. SerDe ROW FORMAT DELIMITED Usalo SerDe se i tuoi dati non hanno valori racchiusi tra virgolette.

Per la documentazione di riferimento su LazySimpleSerDe, consulta la SerDe sezione Hive della Apache Hive Developer Guide.

Nome della libreria

Il nome della libreria di classi per è. LazySimpleSerDe org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe Per informazioni sulla LazySimpleSerDe classe, vedete LazySimpleSerDe.java su GitHub .com.

Ignorare intestazioni

Per ignorare le intestazioni nei dati quando si definisce una tabella, è possibile utilizzare la proprietà skip.header.line.count, come nell'esempio seguente.

TBLPROPERTIES ("skip.header.line.count"="1")

Per alcuni esempi, consulta le istruzioni CREATE TABLE in Esecuzione di query sui log di flusso Amazon VPC e Interrogazione dei log di Amazon CloudFront .

Esempio di CSV

Il seguente esempio mostra come utilizzare LazySimpleSerDe per creare una tabella in Athena dai dati CSV. Per deserializzare i file delimitati in modo personalizzato utilizzando questa opzione SerDe, seguite lo schema riportato negli esempi ma utilizzate la FIELDS TERMINATED BY clausola per specificare un delimitatore a carattere singolo diverso. LazySimpleSerDe non supporta delimitatori a più caratteri.

Nota

Sostituire myregion in s3://athena-examples-myregion/path/to/data/ con l'identificativo della Regione in cui si esegue Athena, ad esempio s3://athena-examples-us-west-1/path/to/data/.

Utilizza l'istruzione CREATE TABLE per creare una tabella Athena dai dati sottostanti in formato CSV archiviati in Amazon S3.

CREATE EXTERNAL TABLE flight_delays_csv ( yr INT, quarter INT, month INT, dayofmonth INT, dayofweek INT, flightdate STRING, uniquecarrier STRING, airlineid INT, carrier STRING, tailnum STRING, flightnum STRING, originairportid INT, originairportseqid INT, origincitymarketid INT, origin STRING, origincityname STRING, originstate STRING, originstatefips STRING, originstatename STRING, originwac INT, destairportid INT, destairportseqid INT, destcitymarketid INT, dest STRING, destcityname STRING, deststate STRING, deststatefips STRING, deststatename STRING, destwac INT, crsdeptime STRING, deptime STRING, depdelay INT, depdelayminutes INT, depdel15 INT, departuredelaygroups INT, deptimeblk STRING, taxiout INT, wheelsoff STRING, wheelson STRING, taxiin INT, crsarrtime INT, arrtime STRING, arrdelay INT, arrdelayminutes INT, arrdel15 INT, arrivaldelaygroups INT, arrtimeblk STRING, cancelled INT, cancellationcode STRING, diverted INT, crselapsedtime INT, actualelapsedtime INT, airtime INT, flights INT, distance INT, distancegroup INT, carrierdelay INT, weatherdelay INT, nasdelay INT, securitydelay INT, lateaircraftdelay INT, firstdeptime STRING, totaladdgtime INT, longestaddgtime INT, divairportlandings INT, divreacheddest INT, divactualelapsedtime INT, divarrdelay INT, divdistance INT, div1airport STRING, div1airportid INT, div1airportseqid INT, div1wheelson STRING, div1totalgtime INT, div1longestgtime INT, div1wheelsoff STRING, div1tailnum STRING, div2airport STRING, div2airportid INT, div2airportseqid INT, div2wheelson STRING, div2totalgtime INT, div2longestgtime INT, div2wheelsoff STRING, div2tailnum STRING, div3airport STRING, div3airportid INT, div3airportseqid INT, div3wheelson STRING, div3totalgtime INT, div3longestgtime INT, div3wheelsoff STRING, div3tailnum STRING, div4airport STRING, div4airportid INT, div4airportseqid INT, div4wheelson STRING, div4totalgtime INT, div4longestgtime INT, div4wheelsoff STRING, div4tailnum STRING, div5airport STRING, div5airportid INT, div5airportseqid INT, div5wheelson STRING, div5totalgtime INT, div5longestgtime INT, div5wheelsoff STRING, div5tailnum STRING ) PARTITIONED BY (year STRING) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ESCAPED BY '\\' LINES TERMINATED BY '\n' LOCATION 's3://athena-examples-myregion/flight/csv/';

Esegui MSCK REPAIR TABLE per aggiornare i metadati della partizione ogni volta che una nuova partizione viene aggiunto a questa tabella:

MSCK REPAIR TABLE flight_delays_csv;

Esegui una query sui primi 10 voli con ritardo superiore a 1 ora:

SELECT origin, dest, count(*) as delays FROM flight_delays_csv WHERE depdelayminutes > 60 GROUP BY origin, dest ORDER BY 3 DESC LIMIT 10;
Nota

I dati della tabella di volo provengono da Flights e sono forniti dal Dipartimento dei Trasporti degli Stati Uniti, Ufficio delle statistiche sui trasporti. Desaturati dall'originale.

Esempio di TSV

Per creare una tabella Athena dai dati TSV archiviati in Amazon S3, utilizza ROW FORMAT DELIMITED e specifica il \t come delimitatore del campo di tabulazione, \n come separatore di riga e \ come carattere di escape. L'estratto seguente mostra questa sintassi. Nessun dato di volo TSV di esempio è disponibile nel percorso athena-examples, ma come per la tabella CSV, dovresti eseguire MSCK REPAIR TABLE per aggiornare i metadati di partizione ogni volta che viene aggiunta una nuova partizione.

... ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' ESCAPED BY '\\' LINES TERMINATED BY '\n' ...