如何为Redshift频谱中的嵌套Parquet类型创建外部表

Question

我知道redshift和redshift频谱不支持嵌套类型，但是我想知道是否有任何技巧可以绕过该限制并使用Redshift Spectrum在S3中查询嵌套数据？ 在这篇文章中，这个家伙展示了我们如何对JSON文件执行此操作，但是对于Parquet则不同。 我们还有其他可用于Parquet文件的技巧吗？

实际的架构是这样的：（由AWS-Glue搜寻器提取）

CREATE EXTERNAL TABLE `parquet_nested`(
  `event_time` string, 
  `event_id` string, 
  `user` struct<ip_address:string,id:string,country:string>, 
  `device` struct<platform:string,device_id:string,user_agent:string>
  )
PARTITIONED BY ( 
  `partition_0` string, 
  `partition_1` string, 
  `partition_2` string, 
  `partition_3` string, 
  `partition_4` string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  's3://...'

Answer 1

@ Am1rr3zA现在，RedShift频谱支持查询嵌套数据集。 它不仅支持JSON，还支持诸如木地板，兽人之类的压缩格式。 这是来自AWS的参考样本

我在s3存储桶中创建了指向镶木地板文件的外部表。 因此有可能。

试试这个脚本

CREATE EXTERNAL TABLE spectrum.parquet_nested (
   event_time varchar(20),
   event_id varchar(20),
   user 
 struct<ip_address:varchar(20),id:varchar(20),country:varchar(20)>,
   device 
 struct<platform:varchar(20),device_id:varchar(20),user_agent:varchar(20)>
    )
    STORED AS PARQUET
    LOCATION 's3://BUCKETNAME/parquetFolder/';

希望这可以节省您的招数冒险:)