使用Hive将Dynamodb导出到S3

Question

我参考了此链接：http://docs.aws.amazon.com/emr/latest/ReleaseGuide/EMR_Hive_Commands.html。

我的蜂巢脚本是象下面这样：

DROP TABLE IF EXISTS hiveTableName; 
CREATE EXTERNAL TABLE hiveTableName (item map<string,string>) 
STORED BY 'org.apache.hadoop.hive.dynamodb.DynamoDBStorageHandler' 
TBLPROPERTIES ("dynamodb.table.name" = "test_table", "dynamodb.region"="us-west-2"); 

DROP TABLE IF EXISTS s3TableName; 
CREATE EXTERNAL TABLE s3TableName (item map<string, string>) 
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LINES TERMINATED BY '\n' 
LOCATION 's3://bucket/test-hive2'; 

SET dynamodb.throughput.read.percent=0.8; 

INSERT OVERWRITE TABLE s3TableName SELECT * 
FROM hiveTableName; 

Dynamodb表可以成功出口到S3，但文件格式不JSON，它是这样的：

uuid{"s":"db154955-8555-4b49-bf40-ee36605ac510"}num{"n":"1294"}info{"s":"qwefjdkslafjdafl"} 
uuid{"s":"d9898564-2b56-42ba-9cfb-fd092e7d0b8d"}num{"n":"100"}info{"s":"qwefjdkslafjdafl"} 

是否有人知道如何以JSON格式导出？我知道我可以使用数据管道，并且它可以以JSON格式将dynamodb表导出到S3，但出于某种原因，我需要使用EMR。我尝试另一个工具：https://github.com/awslabs/emr-dynamodb-connector，并且使用命令：

java -cp target/emr-dynamodb-tools-4.2.0-SNAPSHOT.jar org.apache.hadoop.dynamodb.tools.DynamoDBExport /where/output/should/go my-dynamo-table-name 

但错误是

Error: Could not find or load main class org.apache.hadoop.dynamodb.tools.DynamoDBExport 

有人能告诉我如何解决这些问题？谢谢。

== ==更新

如果我使用to_json，克里斯建议，我的代码如下：

DROP TABLE IF EXISTS hiveTableName2; 
CREATE EXTERNAL TABLE hiveTableName2 (item map<string, string>) 
STORED BY 'org.apache.hadoop.hive.dynamodb.DynamoDBStorageHandler' 
TBLPROPERTIES ("dynamodb.table.name" = "test_table", "dynamodb.region"="us-west-2"); 

DROP TABLE IF EXISTS s3TableName2; 
CREATE EXTERNAL TABLE s3TableName2 (item string) 
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LINES TERMINATED BY '\n' 
LOCATION 's3://backup-restore-dynamodb/hive-test'; 

INSERT OVERWRITE TABLE s3TableName2 SELECT to_json(item) 
FROM hiveTableName2; 

当我查看生成的文件，它就像

{"uuid":"{\"s\":\"db154955-8555-4b49-bf40-ee36605ac510\"}","num":"{\"n\":\"1294\"}","info":"{\"s\":\"qwefjdkslafjdafl\"}"} 

我想要的是一个嵌套的地图，就像

map<string, map<string, string>> 

不是

map<string, string> 

有人可以给我一些建议吗？谢谢。

Answer 1

您的SELECT *查询发出Hive map的序列化格式，该格式不保证是JSON。您可能要考虑使用Brickhouse Hive UDF。特别是，调用to_json函数将非常适合在输出中保证JSON格式。

• to_json - 转换任意蜂巢结构（列表，地图，named_struct）成JSON

INSERT OVERWRITE TABLE s3TableName SELECT to_json(item) 
FROM hiveTableName;