我在 Amazon Athena 上有一个 ELB 日志表,我正在尝试通过 url 请求每日请求。表的结构是这里描述的结构,但我还添加了日、月和年的分区,以便按日、月等查询日志......我正在使用这样的查询对表进行分区:
ALTER TABLE elb_logs ADD IF NOT EXISTS PARTITION (year='2019',month='03',day='*') location 's3://my-logs-bucket/my-load-balancer/AWSLogs/526654419886/elasticloadbalancing/eu-west-1/2019/03/'
然后我像这样要求 2019 年 3 月一日的日志条目:
SELECT count(*)
FROM elb_logs
WHERE year='2019'
AND month='03'
AND day='01'
并获得 590 个结果,然后如果我执行此查询:
SELECT count(*), DATE(from_iso8601_timestamp(time))
FROM elb_logs
WHERE year='2019'
AND month='03'
AND day='*'
GROUP BY DATE(from_iso8601_timestamp(time))
我在三月一日的计数中也得到 590,但是如果我执行这个(没有日条件):
SELECT count(*), DATE(from_iso8601_timestamp(time))
FROM elb_logs
WHERE year='2019'
AND month='03'
GROUP BY DATE(from_iso8601_timestamp(time))
我得到 1180 作为结果计数,这是不正确的。为什么是这样?指定DAY='*'
和不指定 DAY 有什么区别?它们不应该是等价的吗?
有分区名称和分区位置。
分区:
month=03,day=01
month=03,day=*
当您在day
列上无条件查询时,两个分区都匹配。碰巧的是,它们包含相同的文件(因为它们共享它们的物理位置)。由于(显然)没有对正在读取的文件进行重复数据删除(分区应该是非重叠的),因此相同的数据文件被读取了两次。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句