问题在AWS Athena中将多个元素存储在json文件中

我有一些存储在S3存储桶中的json文件，其中每个文件都有多个结构相同的元素。例如，

[{"eventId":"1","eventName":"INSERT","eventVersion":"1.0","eventSource":"aws:dynamodb","awsRegion":"us-west-2","image":{"Message":"New item!","Id":101}},{"eventId":"2","eventName":"MODIFY","eventVersion":"1.0","eventSource":"aws:dynamodb","awsRegion":"us-west-2","image":{"Message":"This item has changed","Id":101}},{"eventId":"3","eventName":"REMOVE","eventVersion":"1.0","eventSource":"aws:dynamodb","awsRegion":"us-west-2","image":{"Message":"This item has changed","Id":101}}]

我想在Athena中创建一个与上述数据相对应的表格。

我写的用于创建表的查询：

CREATE EXTERNAL TABLE IF NOT EXISTS sampledb.elb_logs2 (
  `eventId` string,
  `eventName` string,
  `eventVersion` string,
  `eventSource` string,
  `awsRegion` string,
  `image` map<string,string> 
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = '1',
  'field.delim' = ' '
) LOCATION 's3://<bucketname>/';

但如果我按如下方式执行SELECT查询，

SELECT * FROM sampledb.elb_logs4;

我得到以下结果：

1   {"eventid":"1","eventversion":"1.0","image":{"id":"101","message":"New item!"},"eventsource":"aws:dynamodb","eventname":"INSERT","awsregion":"us-west-2"}   {"eventid":"2","eventversion":"1.0","image":{"id":"101","message":"This item has changed"},"eventsource":"aws:dynamodb","eventname":"MODIFY","awsregion":"us-west-2"}   {"eventid":"3","eventversion":"1.0","image":{"id":"101","message":"This item has changed"},"eventsource":"aws:dynamodb","eventname":"REMOVE","awsregion":"us-west-2"}

json文件的整个内容在此处作为一个条目被选中。

如何将json文件的每个元素作为一个条目读取？

编辑：如何读取图像的每个子列，即地图的每个元素？

谢谢。

3466

2018-02-03 22:35

起源

答案:

问题1：在AWS Athena的json文件中存储多个元素

我需要将我的json文件重写为

{ “EVENTID”： “1”， “eventName的”： “插入”， “eventVersion”： “1.0”， “EventSource的”： “AWS：dynamodb”， “awsRegion”： “我们西-2”， “图像” ：{“消息”：“新项目！”，“Id”：101}}，{“eventId”：“2”，“eventName”：“修改”，“eventVersion”：“1.0”，“eventSource”：“ aws：dynamodb“，”awsRegion“：”us-west-2“，”image“：{”消息“：”此项已更改“，”Id“：101}}，{”eventId“：”3“， “eventName”：“REMOVE”，“eventVersion”：“1.0”，“eventSource”：“aws：dynamodb”，“awsRegion”：“us-west-2”，“image”：{“消息”：“此项目已更改“，”Id“：101}}

这意味着

删除方括号[]将每个元素保持在一行中

{.....................}
{.....................}
{.....................}

问题2。访问非线性json属性

CREATE EXTERNAL TABLE IF NOT EXISTS <tablename> (
  `eventId` string,
  `eventName` string,
  `eventVersion` string,
  `eventSource` string,
  `awsRegion` string,
  `image` struct <`Id` : string,
                  `Message` : string>
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = '1',
   "dots.in.keys" = "true"
) LOCATION 's3://exampletablewithstream-us-west-2/';

查询：

select image.Id, image.message from <tablename>;

参考：

http://engineering.skybettingandgaming.com/2015/01/20/parsing-json-in-hive/

https://github.com/rcongiu/Hive-JSON-Serde#mapping-hive-keywords

2018-02-04 01:22

我有与Q1相同的问题，因为我的数据来自sendgrid，我对数据格式没有太多选择:( - CpILL

你是否能告诉kinesis firehose在一个S3文件中的每个条目后添加一个新行？ - David Nathan

答案: