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。
MSCK REPAIR TABLE
新增 Hive 相容分割區之後,請使用 MSCK REPAIR TABLE
命令來更新目錄中的中繼資料。
MSCK REPAIR TABLE
命令會掃描檔案系統(例如 Amazon S3),以查找在建立資料表後新增到檔案系統的 Hive 相容分隔區。MSCK REPAIR TABLE
會比較資料表中繼資料中的分割區和 S3 中的分割區。如果您在建立資料表時指定的 S3 位置有新的分割區,它會將這些分割區新增至中繼資料和 Athena 資料表中。
當您新增實體分割區時,目錄中的中繼資料會變得與檔案系統中的資料配置不一致,而且需要將新分割區的相關資訊新增至目錄。若要更新中繼資料,請執行 MSCK REPAIR TABLE
,如此可讓您從 Athena 查詢新分割區中的資料。
注意
MSCK REPAIR TABLE
只會將分割區新增至中繼資料,而不會刪除它們。若要在 Amazon S3 中手動刪除分割區後從中繼資料移除分割區,請執行 ALTER TABLE
命令。如需詳細資訊,請參閱ALTER TABLE DROP
PARTITION。table-name
DROP
PARTITION
考量與限制
使用 MSCK REPAIR TABLE
時,請謹記以下幾點:
-
新增所有分割區可能需要花一些時間。如果此操作逾時,則會處於不完整狀態,只有幾個分割區新增到目錄。您應該在同一個資料表上執行
MSCK REPAIR TABLE
,直到所有分割區都已新增為止。如需詳細資訊,請參閱分割您的資料。 -
對於與 Hive 不相容的分割區,請使用 ALTER TABLE ADD PARTITION 載入分割區,以便查詢資料。
-
要搭配 Athena 使用的分割區位置必須使用
s3
通訊協定 (例如,s3://amzn-s3-demo-bucket/
)。在 Athena 中,當在包含的資料表上執行folder
/MSCK REPAIR TABLE
查詢時,使用其他通訊協定的位置 (例如s3a://
) 會導致查詢失敗。bucket
/folder
/ -
由於
MSCK REPAIR TABLE
會同時掃描資料夾及其子資料夾,以尋找相符的分割區配置,請務必將個別資料表的資料留在不同的資料夾階層中。例如,假設您在中有表格 1 的資料s3://amzn-s3-demo-bucket1
,在中有表格 2 的資料s3://amzn-s3-demo-bucket1/table-2-data
。如果兩個資料表都依字串分割,則MSCK REPAIR TABLE
會將資料表 2 的分割區新增至資料表 1。為了避免這種情況,請s3://amzn-s3-demo-bucket2
改用單獨的s3://amzn-s3-demo-bucket1
文件夾結構。請注意,此行為與 Amazon EMR 和 Apache 蜂巢一致。 -
由於已知問題的緣故,只要分割區的值中含有冒號 (
:
) 字元 (例如分割區的值為時間戳記),MSCK REPAIR TABLE
就會執行失敗且未出現任何提示。解決方法是使用 ALTER TABLE ADD PARTITION。 -
MSCK REPAIR TABLE
不會新增以底線 (_) 開頭的分割區資料欄名稱。若要解決此限制,請使用 ALTER TABLE ADD PARTITION。
概要
MSCK REPAIR TABLE table_name
範例
MSCK REPAIR TABLE orders;
故障診斷
執行之後MSCK REPAIR TABLE
,如果 Athena 未將分割區新增至中的表格 AWS Glue Data Catalog,請檢查下列各項:
-
AWS Glue 存取 — 確定 AWS Identity and Access Management (IAM) 角色具有允許
glue:BatchCreatePartition
動作的策略。如需詳細資訊,請參閱本文件稍後的允許膠水:BatchCreatePartition 在政IAM策中。 -
Amazon S3 存取 – 確定角色具有足夠許可以存取 Amazon S3 的政策,包括
s3:DescribeJob
動作。如需允許哪些 Amazon S3 動作的範例,請參閱 在 Athena 設定對 Amazon S3 儲存貯體的跨帳戶存取 中的儲存貯體政策範例。 -
Amazon S3 物件金鑰大小寫 – 請確定 Amazon S3 路徑是小寫而不是小駝峰式命名法 (例如,
userid
而非userId
),或使用ALTER TABLE ADD PARTITION
指定物件金鑰名稱。如需詳細資訊,請參閱本文件稍後的變更或重新定義 Amazon S3 路徑。 -
查詢逾時 –
MSCK REPAIR TABLE
最適合在第一次建立資料表時使用,或者在資料和分割區中繼資料之間存不確定的同位時使用。如果您經常使用MSCK REPAIR TABLE
新增分割區(例如每天)並正經歷查詢逾時,請考慮使用 ALTER TABLE ADD PARTITION。 -
檔案系統中遺失分割區 - 如果您在 Amazon S3 中手動刪除分割區,然後執行
MSCK REPAIR TABLE
,則您可能會收到錯誤訊息檔案系統中遺失分割區
。這是因為MSCK REPAIR TABLE
不會從資料表中繼資料中移除過時的分割區。若要從資料表中繼資料移除已刪除的分割區,請改為執行 ALTER TABLE DROP PARTITION。請注意,SHOWPARTITIONS同樣只會列出中繼資料中的分割區,而不會列出檔案系統中的分割區。 -
「NullPointerException 名稱為空」錯誤
如果您使用 AWS Glue CreateTableAPI作業或 AWS CloudFormation
AWS::Glue::Table
範本建立要在 Athena 中使用的資料表,但未指定TableType
屬性,然後執行類似SHOW CREATE TABLE
或的DDL查詢MSCK REPAIR TABLE
,您可能會收到錯誤訊息FAILED: NullPointerException Name 為 null
。若要解決錯誤,請指定TableInput
TableType
屬性值做為 AWS GlueCreateTable
API呼叫或AWS CloudFormation 範本的一部分。TableType
可能的值包括EXTERNAL_TABLE
或VIRTUAL_VIEW
。只有當您使用 AWS Glue
CreateTable
API作業或AWS::Glue::Table
範本建立資料表時,才會套用此需求。如果您使用DDL陳述式或 AWS Glue 爬行者程式為 Athena 建立資料表,系統會自動為您定義TableType
屬性。
下列各節提供了一些額外的詳細資訊。
允許膠水:BatchCreatePartition 在政IAM策中
檢閱附加至您用來執行之角色的IAM原則MSCK
REPAIR TABLE
。當您AWS Glue Data Catalog 搭配 Athena 使用時,IAM原則必須允許glue:BatchCreatePartition
動作。如需允許glue:BatchCreatePartition
動作的IAM原則範例,請參閱AWS 受管政策: AmazonAthenaFullAccess。
變更或重新定義 Amazon S3 路徑
如果 Amazon S3 路徑中的一或多個物件金鑰是駝峰式大小寫,則 MSCK REPAIR TABLE
可能不會將分割區新增到 AWS Glue Data Catalog。例如,如果您的 Amazon S3 路徑包含物件金鑰名稱 userId
,則下列分割區可能不會新增到 AWS Glue Data Catalog:
s3://amzn-s3-demo-bucket/path/userId=1/ s3://amzn-s3-demo-bucket/path/userId=2/ s3://amzn-s3-demo-bucket/path/userId=3/
要解決此問題,請執行下列項目之一:
-
建立 Amazon S3 物件金鑰時,請使用小寫字母而非駝峰式大小寫:
s3://amzn-s3-demo-bucket/path/userid=1/ s3://amzn-s3-demo-bucket/path/userid=2/ s3://amzn-s3-demo-bucket/path/userid=3/
-
使用 ALTER TABLE ADD PARTITION 重新定義位置,如下列範例所示:
ALTER TABLE table_name ADD [IF NOT EXISTS] PARTITION (userId=1) LOCATION 's3://amzn-s3-demo-bucket/path/userId=1/' PARTITION (userId=2) LOCATION 's3://amzn-s3-demo-bucket/path/userId=2/' PARTITION (userId=3) LOCATION 's3://amzn-s3-demo-bucket/path/userId=3/'
請注意,雖然 Amazon S3 物件金鑰名稱可以使用大寫,但 Amazon S3 儲存貯體名稱本身必須始終為小寫。如需詳細資訊,請參閱《Amazon S3 使用者指南》中的物件金鑰命名準則和儲存貯體命名規則。