適用於 CSV、TSV 和自訂分隔檔案的 LazySimpleSerDe

指定此 SerDe 是選擇性。適用此 SerDe 的資料是 Athena 預設使用的 CSV、TSV 和自訂分隔格式。如果您未指定任何 SerDe，而只指定 ROW FORMAT DELIMITED，則會使用此 SerDe。如果您的資料沒有括在引號中的值，請使用此 SerDe。

如需有關 LazySimpleSerDe 的參考文件，請參閱《Apache Hive 開發人員指南》的 Hive SerDe 一節。

程式庫名稱

LazySimpleSerDe 的類別庫名稱為 org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe。如需有關 LazySimpleSerDe 類別的資訊，請參閱 GitHub.com 上的 LazySimpleSerDe.java。

忽略標頭

若要在定義資料表時忽略資料中的標題，您可以使用 skip.header.line.count 資料表屬性，如以下範例所示。

TBLPROPERTIES ("skip.header.line.count"="1")

如需相關範例，請參閱 查詢 Amazon VPC 流程日誌 和 查詢 Amazon CloudFront 日誌 中的 CREATE TABLE 陳述式。

CSV 範例

以下範例說明如何使用 LazySimpleSerDe 以在 Athena 中根據 CSV 資料建立資料表。若要使用此 SerDe 還原序列化自訂分隔檔案，請依照範例中的模式進行，但使用 FIELDS TERMINATED BY 子句來指定不同的單一字元分隔符號。LazySimpleSerDe 不支援多字元分隔符號。

注意

在 s3://athena-examples-myregion/path/to/data/ 中，以您執行 Athena 之處的區域識別符 (例如 s3://athena-examples-us-west-1/path/to/data/) 取代 myregion。

使用 CREATE TABLE 陳述式，根據存放於 Amazon S3 的 CSV 基礎資料建立 Athena 資料表。

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/';

每次有新的分割區新增到這個資料表時，請執行 MSCK REPAIR TABLE 來重新整理分割區中繼資料：

MSCK REPAIR TABLE flight_delays_csv;

查詢延誤超過 1 小時的前 10 個航線：

SELECT origin, dest, count(*) as delays
FROM flight_delays_csv
WHERE depdelayminutes > 60
GROUP BY origin, dest
ORDER BY 3 DESC
LIMIT 10;

注意

航班資料表資料來自美國運輸部交通統計局提供的航班。從原本資料去掉飽和度。

TSV 範例

若要根據存放於 Amazon S3 的 TSV 資料建立 Athena 資料表，請使用 ROW FORMAT DELIMITED，然後將 \t 指定為標籤欄位分隔符號、將 \n 指定為行分隔符號，以及將 \ 指定為逸出字元。此語法如下列範例所示。athena-examples 位置沒有可用的範例 TSV 航班資料，但是如同 CSV 資料表一樣，每次新增分割區時，您都會執行 MSCK REPAIR TABLE 重新整理分割區中繼資料。

...
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
ESCAPED BY '\\'
LINES TERMINATED BY '\n'
...