Hadoop Elastic Map Reduce JSON导出到DynamoDB错误AttributeValue不能包含空字符串
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null,有时为空字符串,当尝试插入到DynamoDB时,我会收到一个错误(尽管我能够插入一些填充稀疏的记录): “AttributeValue不能包含空字符串” {“created_at_timestamp”:1358122714,…,data:null,type:“e”,“android_网络运营商”:“”} 我筛选出了包含空字符串“”的列,但仍会出现该错误。我假设是“属性”:null值导致了这一点(或两者都有)。我假设,为了让它正常工作,这些值在进入DynamoDB时不应该存在 有没有办法通过JSONSerde或配置单元与DynamoDB表的交互来告诉配置单元忽略空字符串属性值 以下是配置单元SQL架构和insert命令的示例:Hadoop Elastic Map Reduce JSON导出到DynamoDB错误AttributeValue不能包含空字符串,hadoop,hive,amazon-dynamodb,amazon-emr,Hadoop,Hive,Amazon Dynamodb,Amazon Emr,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null,有时为空字符串,当尝试插入到DynamoDB时,我会收到一个错误(尽管我能够插入一些填充稀疏的记录): “AttributeValue不能包含空字符串” {“created_at_timestamp”:1358122714,…,data:null,type:“e”,“android_网络运营商”:“”} 我筛选出了包含空字符串“”的列,但仍会出
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';
只要不是主键,
null
s就不应该是问题
但是,DynamoDB不允许使用中所述的空字符串或空集
要解决这个问题,我认为您有两个选择:
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 != "";
您可以共享表定义和查询吗?我想我知道它是什么,但需要看看您正在尝试做什么。我添加了一个示例配置单元SQL模式和insert语句,它应该表示我正在尝试做的事情。