S3 存储桶上的 AWS Athena 以及一些 JSON 文件

Question

使用 AWS Athena 进行实验。我正在尝试从 S3 存储桶创建一个表，该表的文件结构如下：

my-bucket/
my-bucket/group1/
my-bucket/group1/entry1/
my-bucket/group1/entry1/data.bin
my-bucket/group1/entry1/metadata
my-bucket/group1/entry2/
my-bucket/group1/entry2/data.bin
my-bucket/group1/entry2/metadata
...
my-bucket-group2/
...

只有metadata文件是 JSON 文件。每一个看起来都是这样的：

{
    "key1": "value1",
    "key2": "value2",
    "key3": n
}

所以我尝试创建一个表：

CREATE EXTERNAL TABLE example (
  key1 string,
  key2 string,
  key3 int
)
ROW FORMAT  serde 'org.apache.hive.hcatalog.data.JsonSerDe'
LOCATION 's3://my-bucket/'

创建查询成功，但是当我尝试查询时：

SELECT * FROM preserved_recordings limit 10;

我收到错误：

Query 93aa62d6-8a52-4a5d-a2fb-08a6e00181d3 failed with error code HIVE_CURSOR_ERROR: org.codehaus.jackson.JsonParseException: Unexpected end-of-input: expected close marker for OBJECT (from [Source: java.io.ByteArrayInputStream@2da7f4ef; line: 1, column: 0]) at [Source: java.io.ByteArrayInputStream@2da7f4ef; line: 1, column: 3]

在这种情况下，AWS Athena 是否要求存储桶中的所有文件均为 JSON？我不确定 .bin 文件是否导致光标错误，或者是否发生其他问题。有其他人遇到过这种情况吗，或者可以告诉我发生了什么事吗？

Answer 1

是的，Athena（Presto、Hive）要求存储在表的 LOCATION 中的文件具有一致的格式。我相信您需要移动文件来为每个底层数据模式创建单独的表。