SerDe Lazy Simple pour les fichiers CSV, TSV et avec séparateur personnalisé
Puisqu’il s’agit de l’interface SerDe par défaut dans Athena pour les formats CSV, TSV et avec séparateur personnalisé, sa spécification est facultative. Si dans votre instruction CREATE TABLE, vous spécifiez uniquement ROW FORMAT DELIMITED et pas de SerDe, Athena utilise ce SerDe. Utilisez cette interface SerDe si vos données ne comportent pas de valeurs entre guillemets.
Pour obtenir de la documentation de référence sur le SerDer Lazy Simple, consultez Hive SerDe
Nom de la bibliothèque de sérialisation
La bibliothèque de sérialisation du SerDe Lazy Simple est nommée org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe. Pour plus d’informations sur le code source, consultez LazySimpleSerDe.java
Omission des en-têtes
Pour ignorer les en-têtes dans vos données lorsque vous définissez une table, vous pouvez utiliser la propriété de table skip.header.line.count, comme dans l'exemple suivant.
TBLPROPERTIES ("skip.header.line.count"="1")
Pour découvrir des exemples qui ignorent les en-têtes, consultez les instructions CREATE TABLE dans Interrogation des journaux de flux Amazon VPC et Interrogation des journaux Amazon CloudFront.
L’exemple suivant montre comment utiliser la bibliothèque LazySimpleSerDe pour créer une table dans Athena à partir de données CSV. Pour désérialiser des fichiers délimités personnalisés à l'aide de ce SerDe, suivez le modèle des exemples mais utilisez la clause FIELDS TERMINATED
BY pour spécifier un autre délimiteur à un seul caractère. Le SerDer Lazy Simple ne prend pas en charge les délimiteurs à plusieurs caractères.
Note
Remplacez myregion dans s3://athena-examples- par l'identifiant de région dans lequel vous exécutez Athena, par exemple, myregion/path/to/data/s3://athena-examples-us-west-1/path/to/data/.
Utilisez l'instruction CREATE TABLE pour créer une table Athena à partir données CSV sous-jacentes stockées dans Simple Storage Service (Amazon S3).
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/';
Exécutez l'instruction MSCK REPAIR TABLE pour actualiser les métadonnées de la partition à chaque ajout d'une nouvelle partition à cette table :
MSCK REPAIR TABLE flight_delays_csv;
Recherchez les 10 principaux itinéraires dont le retard dépasse 1 heure :
SELECT origin, dest, count(*) as delays FROM flight_delays_csv WHERE depdelayminutes > 60 GROUP BY origin, dest ORDER BY 3 DESC LIMIT 10;
Note
Les données du tableau des vols proviennent des Vols
Pour créer une table Athena à partir de données TSV stockées dans Amazon S3, utilisez ROW FORMAT
DELIMITED et spécifiez le \t comme délimiteur de champs de tabulation, \n comme séparateur de ligne et \ comme caractère d'échappement. L'extrait suivant montre cette syntaxe. Aucun exemple de données de vol TSV n'est disponible sur l'emplacement athena-examples, mais comme dans le cas de la table CSV, vous devez exécuter MSCK REPAIR TABLE pour actualiser les métadonnées de partition chaque fois qu'une nouvelle partition est ajoutée.
... ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' ESCAPED BY '\\' LINES TERMINATED BY '\n' ...
