我尝试在 Amazon Athena 中读取 JSON 数据时收到错误

上次更新时间：2019 年 11 月 18 日

我尝试在 Amazon Athena 中读取 JSON 数据时收到 NULL 或数据不正确错误。如何解决此问题？

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)

如果您不确定使用哪个版本的 SerDe，则两个 SerDe 版本都尝试一下。如果使用 OpenX SerDe，您可以忽略格式错误的记录，以便确定导致错误的行，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 (
    a string,
    b int
)
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。示例：

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。该列应显示为 "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，您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';

我尝试在 Amazon Athena 中读取 JSON 数据时收到错误

解决方法

相关信息