Parquet SerDe - 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.

Parquet SerDe

Usa Parquet SerDe per creare tabelle Athena dai dati di Parquet.

Il Parquet SerDe viene utilizzato per i dati memorizzati nel formato Parquet. Per convertire i dati in formato Parquet, è possibile utilizzare le interrogazioni CREATETABLEAS SELECT (CTAS). Per ulteriori informazioni, consultare Crea una tabella dai risultati della query (CTAS), Esempi di CTAS domande e Utilizzo CTAS e INSERT INTO scopo ETL e analisi dei dati.

Nome della libreria di serializzazione

Il nome della libreria di serializzazione per Parquet SerDe è. org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe Per informazioni sul codice sorgente, consulta Class ParquetHiveSerDe nella documentazione di Apache.

Nota

Replace (Sostituisci) myregion accedi s3://athena-examples-myregion/path/to/data/ con l'identificatore della regione in cui esegui Athena, ad esempio. s3://athena-examples-us-west-1/path/to/data/

Utilizza la seguente CREATE TABLE istruzione per creare una tabella Athena dai dati sottostanti archiviati in formato Parquet in Amazon S3:

CREATE EXTERNAL TABLE flight_delays_pq ( 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) STORED AS PARQUET LOCATION 's3://athena-examples-myregion/flight/parquet/' tblproperties ("parquet.compression"="SNAPPY");

Esegui l'istruzione MSCK REPAIR TABLE sulla tabella per aggiornare i metadati della partizione:

MSCK REPAIR TABLE flight_delays_pq;

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

SELECT origin, dest, count(*) as delays FROM flight_delays_pq 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.

Ignorate le statistiche di

Quando leggi i dati di Parquet, potresti ricevere messaggi di errore simili a quelli che seguono:

HIVE_CANNOT_OPEN_SPLIT: Index x out of bounds for length y HIVE_CURSOR_ERROR: Failed to read x bytes HIVE_CURSOR_ERROR: FailureException at Malformed input: offset=x HIVE_CURSOR_ERROR: FailureException at java.io.IOException: can not read class org.apache.parquet.format.PageHeader: Socket is closed by peer.

Per risolvere questo problema, utilizzate l'ALTER TABLE SET TBLPROPERTIESistruzione CREATE TABLE or per impostare la SerDe parquet.ignore.statistics proprietà Parquet sutrue, come illustrato negli esempi seguenti.

CREATETABLEesempio

... ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' WITH SERDEPROPERTIES ( 'parquet.ignore.statistics'='true') STORED AS PARQUET ...

ALTERTABLEesempio

ALTER TABLE ... SET TBLPROPERTIES ('parquet.ignore.statistics'='true')