如何在AWS Athena分区表上查询

如何解决如何在AWS Athena分区表上查询

问题摘要

当我尝试使用SELECT子句WHERE查询分区表时，Athena会产生错误。

log表中有4种分区。

• 年份string
• 月string
• 第string天
• 小时string

我在分区表上尝试过SELECT查询。 但是收到了以下错误消息。

错误消息

GENERIC_INTERNAL_ERROR: No value present
This query ran against the "default" database,unless qualified by the query.

选择我尝试过的查询

SELECT *
FROM logs
WHERE year='2020'
  AND month='10'
  AND day ='05';

AND

SELECT *
FROM "default"."logs"
WHERE year='2020'
  AND month='10'
  AND day ='05';

由于关于No value present的错误消息，我检查了分区结果。

SHOW PARTITIONS logs;

结果

year=2020/month=10/day=05/hour=17
year=2020/month=10/day=05/hour=11
year=2020/month=10/day=05/hour=19
year=2020/month=10/day=05/hour=04
year=2020/month=10/day=05/hour=18
year=2020/month=10/day=05/hour=15
year=2020/month=10/day=05/hour=14
year=2020/month=10/day=05/hour=16
year=2020/month=10/day=05/hour=13
year=2020/month=10/day=05/hour=21
year=2020/month=10/day=05/hour=05
year=2020/month=10/day=05/hour=08
year=2020/month=10/day=05/hour=20
year=2020/month=10/day=05/hour=12
year=2020/month=10/day=05/hour=03
year=2020/month=10/day=05/hour=01
year=2020/month=10/day=05/hour=10
year=2020/month=10/day=05/hour=02
year=2020/month=10/day=05/hour=09
year=2020/month=10/day=05/hour=22
year=2020/month=10/day=05/hour=23
year=2020/month=10/day=05/hour=06
year=2020/month=10/day=05/hour=07
year=2020/month=10/day=05/hour=00
year=2020/month=10/day=04/hour=00

非常感谢您的帮助。

---

其他信息

我使用的

CREATE TABLE命令

创建表

CREATE EXTERNAL TABLE `logs`(
  `date` date,`time` string,`location` string,`bytes` bigint,`request_ip` string,`method` string,`host` string,`uri` string,`status` int,`referrer` string,`user_agent` string,`query_string` string,`cookie` string,`result_type` string,`request_id` string,`host_header` string,`request_protocol` string,`request_bytes` bigint,`time_taken` float,`xforwarded_for` string,`ssl_protocol` string,`ssl_cipher` string,`response_result_type` string,`http_version` string,`fle_status` string,`fle_encrypted_fields` int)
PARTITIONED BY ( 
  `year` string,`month` string,`day` string,`hour` string)
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY '\t' 
WITH SERDEPROPERTIES ( 
  'input.regex'='^(?!#)([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)\\\\s+([^ \\\\t]+)$') 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION
  's3://mybucket/path'
TBLPROPERTIES (
  'projection.date.format'='yyyy/MM/dd','projection.date.interval'='1','projection.date.interval.unit'='DAYS','projection.date.range'='2019/11/27,NOW-1DAYS','projection.date.type'='date','projection.day.type'='string','projection.enabled'='true','projection.hour.type'='string','projection.month.type'='string','projection.year.type'='string','skip.header.line.count'='2','storage.location.template'='s3://mybucket/path/distributionID/${year}/${month}/${day}/${hour}/','transient_lastDdlTime'='1575005094')

解决方法

您的表使用分区投影，但是您的配置与分区不正确匹配。分区投影是一个相当新的功能，文档仍然有一些不足之处，因此我完全理解它令人困惑。我想我知道您要做什么。

分区投影配置必须与表的分区键完全匹配。在您的情况下，表有四个分区键，分区投影配置提到了五个。除了四个类型错误之外，没有string分区投影类型。

您可以通过进行两项更改来解决问题。首先像这样更改分区键：

PARTITIONED BY (
  `date` string,`hour` string
)

这将删除“年”，“月”和“日”分区键，而使用“日期”键。不必仅因为它们是单独的“目录”而具有单独的日期组件，而仅具有“ date”键将使查询更容易编写。

然后将表属性更改为此：

TBLPROPERTIES (
  'projection.date.format' = 'yyyy/MM/dd','projection.date.interval' = '1','projection.date.interval.unit' = 'DAYS','projection.date.range' = '2019/11/27,NOW-1DAYS','projection.date.type' = 'date','projection.hour.type' = 'integer','projection.hour.range' = '0-23','projection.hour.digits' = '2'
  'projection.enabled' = 'true','storage.location.template'='s3://mybucket/path/distributionID/${date}/${hour}/','skip.header.line.count' = '2'
)

这告诉Athena，“日期”分区键的类型为date，其格式设置为“ YYYY / MM / DD”（与S3 URI中的格式相对应，这一点很重要）。它还告诉Athena，“小时”分区键是范围为0-23的integer，格式为两位数（即零填充）。最后，它指定这些分区键如何映射到S3上的分区位置。当查询中的日期为“ 2020/10/06”时，该字符串将逐字插入位置模板中。

通过这些更改，您应该能够运行如下查询（“ date”是保留字，当它是列名时必须用引号引起来）：

SELECT *
FROM logs
WHERE "date" = '2020/10/06'

SELECT *
FROM logs
WHERE "date" BETWEEN '2020/10/01' AND '2020/10/06'
AND hour BETWEEN 9 AND 21

请注意，日期格式必须与分区投影配置中的格式完全相同，即YYYY/MM/DD。