懶惰簡單 SerDe 的 CSVTSV，和自定義分隔的文件 - Amazon Athena
序列化程式庫名稱忽略標頭

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

懶惰簡單 SerDe 的 CSVTSV，和自定義分隔的文件

由於這是 Athena SerDe 中用於、和自訂分隔格式資料的預設值 CSVTSV，因此可以選擇指定該格式。在您的CREATE TABLE陳述式中，如果您未指定 SerDe 並僅指定ROW FORMAT DELIMITED，Athena 就會使用這個 SerDe。 SerDe 如果您的數據沒有用引號括起來的值，請使用此選項。

有關懶惰簡單的參考文檔 SerDe，請參閱 Apache Hive 開發人員指南的 Hive SerDe 部分。

序列化程式庫名稱

懶惰簡單的序列化庫名稱 SerDe 是org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe。如需原始程式碼資訊，請參閱 GitHub .com 上的 LazySimpleSerDe.java。

忽略標頭

若要在定義資料表時忽略資料中的標題，您可以使用 skip.header.line.count 資料表屬性，如以下範例所示。

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

如需忽略標頭的範例，請參閱查詢 Amazon VPC 流程日誌和中的CREATE TABLE陳述式查詢 Amazon CloudFront 日誌。

下列範例顯示如何使用LazySimpleSerDe程式庫，從資料建立 Athena 中的CSV資料表。要使用它還原序列化自定義分隔的文件 SerDe，請按照示例中的模式進行操作，但使用子FIELDS TERMINATED BY句來指定不同的單字符分隔符。懶惰簡單 SerDe 不支持多字符分隔符。

注意

Replace (取代) myregion s3://athena-examples-myregion/path/to/data/使用您執行 Athena 的地區識別碼，例如，s3://athena-examples-us-west-1/path/to/data/.

使用CREATE TABLE此陳述式從 Amazon S3 中CSV存放的基礎資料建立 Athena 資料表。

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/';

每次有新的分割區新增到這個資料表時，請執行 MSCK REPAIR TABLE 來重新整理分割區中繼資料：

MSCK REPAIR TABLE flight_delays_csv;

查詢延誤超過 1 小時的前 10 個航線：

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

航班資料表資料來自美國運輸部交通統計局提供的航班。從原本資料去掉飽和度。

若要使用 Amazon S3 中存放的TSV資料建立 Athena 表格，請使用ROW FORMAT DELIMITED並指定\t為索引標籤欄位分隔符號、\n行分隔符號和\逸出字元。此語法如下列範例所示。該athena-examples位置沒有可用的範例TSV飛行資料，但與CSV表格一樣，每次新增分割區時，您都會執行MSCK REPAIR TABLE重新整理分割區中繼資料。

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