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。
CSV、TSV 和自訂分隔檔案的 Lazy Simple SerDe
因為這是 Athena 中預設的 SerDe,適用於 CSV、TSV 和自訂分隔格式的資料,所以指定為選用。在您的CREATE TABLE
陳述式中,如果您未指定 SerDe 且僅指定 ROW FORMAT DELIMITED
,Athena 會使用此 SerDe。如果您的資料沒有括在引號中的值,請使用此 SerDe。
如需 Lazy Simple SerDe 的參考文件,請參閱 Apache Hive 開發人員指南中的 Hive SerDe
序列化程式庫名稱
Lazy Simple SerDe 的序列化程式庫名稱為 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。
下列範例示範如何使用 LazySimpleSerDe
程式庫從 CSV 資料在 Athena 中建立資料表。若要使用此 SerDe 還原序列化自訂分隔檔案,請依照範例中的模式進行,但使用 FIELDS TERMINATED
BY
子句來指定不同的單一字元分隔符號。Lazy Simple SerDe 不支援多字元分隔符號。
注意
在 s3://athena-examples-
中,以您執行 Athena 之處的區域識別符 (例如 myregion
/path/to/data/s3://athena-examples-us-west-1/path/to/data/
) 取代 myregion
。
使用 CREATE TABLE
陳述式,根據存放於 Amazon S3 的 CSV 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;
若要根據存放於 Amazon S3 的 TSV 資料建立 Athena 資料表,請使用 ROW FORMAT
DELIMITED
,然後將 \t
指定為標籤欄位分隔符號、將 \n
指定為行分隔符號,以及將 \
指定為逸出字元。此語法如下列範例所示。athena-examples
位置沒有可用的範例 TSV 航班資料,但是如同 CSV 資料表一樣,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' ...