为什么我在 Amazon Athena 中尝试读取 JSON 数据时遇到错误？

上次更新日期：2022 年 5 月 23 日

我在 Amazon Athena 中尝试读取 JSON 数据时，遇到 NULL 或数据不正确错误。

解决方法

检查以下常见问题：

使用正确版本的 JSON SerDe

Athena 使用以下两种版本的 JSON SerDes 来处理 JSON 数据：

原生 Apache Hive/HCatalog JsonSerDe (org.apache.hive.hcatalog.data.JsonSerDe)
OpenX SerDe (org.openx.data.jsonserde.JsonSerDe)

如果您不确定使用的是哪个版本的 SerDe，则两个 SerDe 版本都尝试一下。如果使用 OpenX SerDe，则可以忽略格式错误记录，以确定导致错误的行，如下例所示。将 ignore.malformed.json 设置为 true 时，格式错误的记录将返回为 NULL。

CREATE EXTERNAL TABLE json (
    id int,
    name string
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES ( 'ignore.malformed.json' = 'true')
LOCATION 's3://awsexamplebucket/';

查询新表以确定有格式错误记录的文件。例如：

SELECT "$PATH", * FROM your_table where your_column is NULL

每条记录一行

以下 JSON 记录的格式是正确的：

{ "id" : 50, "name":"John" }
{ "id" : 51, "name":"Jane" }
{ "id" : 53, "name":"Jill" }

以下 JSON 记录的格式不正确：

{
  "id" : 50,
  "name":"John"
},
{
  "id" : 51,
  "name":"Jane"
}
{
  "id" : 53,
  "name":"Jill"
}

以下记录的格式也不正确：

{ "id" : 50, "name":"John" } { "id" : 51, "name":"Jane" } { "id" : 53, "name":"Jill" }

在每列中使用正确的数据类型

下例的第二行包含用于“age”的错误数据类型。列值应为“11”而不是“eleven”。这会导致出现以下错误消息：HIVE_BAD_DATA: Error parsing field value 'eleven' for field 1: For input string: "eleven"。

{"name":"Patrick","age":35,"address":"North Street"}
{"name":"Carlos","age":"eleven","address":"Flowers Street"}
{"name":"Fabiana","age":22,"address":"Main Street"}

针对压缩 JSON 文件使用正确的扩展名

当您使用压缩 JSON 文件时，文件必须以 “.json” 结尾，然后是压缩格式的扩展名，如 “.gz”。例如，"myfile.json.gz" 是 gzip 文件的正确格式扩展名。

使用不区分大小写的列或将 case.insensitive 属性设置为 false

Athena 默认不区分大小写。如果您的列名称只是大小写不同（如，“Column” 和 “column”），Athena 会生成错误 ("HIVE_CURSOR_ERROR: Row is not a valid JSON Object - JSONException: Duplicate key") ，您的数据将不会在 Athena 中可见。避免此问题的最简单方法，是使用不区分大小写的列来生成数据。

如果您使用 OpenX SerDe，则可以使用区分大小写的键名。要执行此操作，请将 case.insensitive SerDe 属性设置为 false，然后添加大写键的映射。例如，要使用如下所示的大小写列：

{"Username": "bob1234", "username": "bob" }

使用以下 SerDe 属性：

CREATE external TABLE casesensitive_json (user_name String,username String)
ROW FORMAT serde 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES ( 'mapping.user_name' = 'Username','case.insensitive'='false')
LOCATION 's3://awsexamplebucket/';

确保 JSON SerDE 表中的所有行都为 JSON 格式

要检查 Athena 表中是否存在无效的 JSON 行或文件名，请执行以下操作：

1. 使用输入文件中不存在的分隔符创建表。运行与以下类似的命令：

CREATE EXTERNAL TABLE IF NOT EXISTS json_validator (jsonrow string) ROW FORMAT DELIMITED
FIELDS TERMINATED BY '%'
location 's3://awsexamplebucket/';

2. 运行与以下类似的查询以返回无效 JSON 行的文件名、行详细信息和 Amazon S3 路径。

WITH testdataset AS (SELECT "$path" s3path,jsonrow,try(json_parse(jsonrow)) isjson FROM json_validator)
SELECT * FROM testdataset WHERE ISJSON IS NULL;