用于 CSV、TSV 和自定义分隔文件的 LazySimpleSerDe - Amazon Athena
库名称忽略标题CSV 示例TSV 示例
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

用于 CSV、TSV 和自定义分隔文件的 LazySimpleSerDe

此 SerDe 的指定是可选的。这是 Athena 在预设情况下使用的 CSV、TSV 和自定义分隔格式数据的 SerDe。如果不指定任何 SerDe，并且只指定 ROW FORMAT DELIMITED，则会使用此 SerDe。如果您的数据没有用引号引起来的值，请使用此 SerDe。

有关 LazySimpleSerDe 的参考文档，请参阅《Apache Hive 开发人员指南》中的 Hive SerDe 部分。

库名称

LazySimpleSerDe 的类库名称为 org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe。有关 LazySimpleSerDe 类的信息，请参阅 GitHub.com 上的 LazySimpleSerDe.java。

忽略标题

要在您定义表时忽略标题，可以使用 skip.header.line.count 表属性，如下例所示。

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

有关示例，请参阅 查询 Amazon VPC 流日志 和 查询 Amazon CloudFront 日志 中的 CREATE TABLE 语句。

CSV 示例

以下示例显示如何使用 LazySimpleSerDe 根据 CSV 数据在 Athena 中创建表。要使用此 SerDe 反序列化自定义分隔的文件，请遵循示例中的模式，但使用 FIELDS TERMINATED BY 子句指定单字符分隔符。LazySimpleSerDe 不支持多字符分隔符。

使用 CREATE TABLE 语句根据在 Amazon S3 中存储的底层 CSV 数据创建一个 Athena 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/';

每次将新分区添加到此表时，请运行 MSCK REPAIR TABLE 以刷新分区元数据：

MSCK REPAIR TABLE flight_delays_csv;

查询前 10 个延迟超过 1 小时的路线：

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

飞行表数据来自由美国运输部交通统计局提供的航班。从原来的数据中进行稀释。

TSV 示例

要根据存储在 Amazon S3 中的 TSV 数据创建 Athena 表，请使用 ROW FORMAT DELIMITED 并指定 \t 为制表符字段分隔符，指定 \n 为行分隔符，指定 \ 为转义字符。以下示例显示该语法。athena-examples 地点没有示例 TSV 传输数据，但与 CSV 表一样，每次添加新分区时，您都需要运行 MSCK REPAIR TABLE 刷新分区元数据。

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