amazon-web-services - AWS Glue 无法访问输入数据集

Question

我有一个在 Glue/Athena 中注册的数据集，称之为 my_db.table .我可以通过 Athena 查询它，一切似乎都井井有条。

我正在尝试在 Glue 作业中使用此表，但收到以下相当不透明的错误消息:

py4j.protocol.Py4JJavaError: An error occurred while calling o54.getCatalogSource.
: java.lang.Error: No classification or connection in my_db.table

这似乎表明 Glue 无法看到我的表的目录条目，或者无法使用该条目中的信息，但除此之外我没有任何进一步的可见性。

有没有人遇到过这个错误，可能是什么原因造成的？

Answer 1

错误消息实际上很好地描述了问题 - 被查询的表没有分类。

通过 Glue 创建的表使用分类注册 - csv , parquet , orc , avro , json .见 Creating Tables Using Athena for AWS Glue Jobs .

我通过 Athena “手动”创建的表没有分类。请参阅以下胶水“表格”页面的屏幕截图。



解决方法很简单:在 CREATE TABLE 的末尾脚本用户必须附加一个 classification像这样的属性(property)

CREATE EXTERNAL TABLE IF NOT EXISTS my_db.my_table (
  `id` int,
  `description` string 
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
  'serialization.format' = ',',
  'field.delim' = ',',
  'collection.delim' = 'undefined',
  'mapkey.delim' = 'undefined'
) LOCATION 's3://my_bucket/'
TBLPROPERTIES ('classification'='csv');

现在该表在 Glue 界面中有一个分类并可通过 Glue 作业访问。