0

我正在尝试使用 EMR 作业从 S3 中包含稀疏字段的 JSON 文件导入数据,例如 ios_os 字段和 android_os 但只有一个包含数据。有时数据为空,有时为空字符串,当尝试插入 DynamoDB 时出现错误(尽管我能够插入一些稀疏填充的记录):

"AttributeValue 不能包含空字符串" {"created_at_timestamp":1358122714,...,"data":null,"type":"e","android_network_carrier":""}

我过滤掉了具有空字符串“”的列,但我仍然收到该错误。我假设它是“属性”:导致此(或两者)的空值。我假设为了让它正常工作,在去 DynamoDB 时这些值不应该存在吗?

有没有办法通过 JSONSerde 或 Hive 与 DynamoDB 表的交互告诉 Hive 忽略空字符串属性值。

这是 Hive SQL 模式和插入命令的示例:

CREATE EXTERNAL TABLE IF NOT EXISTS json_events (
  -- Common
  created_at BIGINT,
  data STRING,
  type STRING,
  android_network_carrier STRING
)
PARTITIONED BY (created_at BIGINT, type STRING)
ROW FORMAT SERDE "org.apache.hadoop.hive.contrib.serde2.JsonSerde"
WITH SERDEPROPERTIES (
  -- Common
  "created_at"="$.created_at",
  "data"="$.data",
  "android_network_carrier"="$.anw",
  "type"="$.dt"
)
LOCATION s3://test.data/json_events;

CREATE EXTERNAL TABLE IF NOT EXISTS dynamo_events (
  -- Common
  created_at BIGINT,
  data STRING,
  type STRING,
  android_network_carrier STRING
)
STORED BY 'org.apache.hadoop.hive.dynamodb.DynamoDBStorageHandler' 
TBLPROPERTIES ("dynamodb.table.name" = "test-events", 
"dynamodb.column.mapping" = "created_at:created_at,data:data,type:type,android_network_carrier:android_network_carrier"); 
ALTER TABLE json_events RECOVER PARTITIONS;

INSERT OVERWRITE TABLE dynamo_events
SELECT created_at,
  data,
  android_network_carrier,
  type
FROM json_events 
WHERE created_at = 20130114 AND type = 'e';
4

1 回答 1

1

null只要不用于主键, s 就不应该成为问题。

但是,DynamoDB 不允许空字符串或空集,如数据模型中所述

为了解决这个问题,我认为你有几个选择:

  1. 为“n/a”等空字符串定义一个常量,并确保您的数据提取过程将缺失值视为此类。
  2. 您也可以过滤这些记录,但这将意味着丢失数据。这可以这样做:

    INSERT OVERWRITE TABLE dynamo_events
    SELECT created_at,
      data,
      android_network_carrier,
      type
    FROM json_events 
    WHERE created_at = 20130114 AND type = 'e' AND android_network_carrier != "";
    
于 2013-01-16T19:58:42.977 回答