无法使用Glue数据目录让分区正常工作

Question

【以下的问题经过翻译处理】 我有一些上传到单个存储桶的S3文件。没有文件夹或其他内容，只是每小时1个文件上传到这个存储桶中。
我在这些文件上运行一个Glue ETL作业，进行一些转换，并将数据插入到不同存储桶中存储的Glue数据目录中。
这样，我可以使用Athena查询该Glue数据目录。

我想做的是将文件存储在使用分区的Data Catalog的S3文件夹中，格式为YEAR/MONTH/DAY。尽管源数据只是每小时上传的文件而没有分区，但我想在Data Catalog中将它们存储为分区。因此，在Glue ETL期间，我从文件中提取了YEAR，MONTH，DAY，并相应地在我的Data Catalog表中创建了列，并将它们标记为分区：

分区1 YEAR
分区2 MONTH
分区3 DAY

这些列的值是正确的，我已经验证过了。

创建分区后，我在表上运行了MSCK REPAIR TABLE命令，结果为"Query Ok."。

然后我运行了Glue ETL作业。当我查看S3存储桶时，我看不到创建的文件夹。我只看到常规的r-part文件。当我单击表模式时，它显示YEAR，MONTH，DAY列已标记为分区，但当我单击View Partitions时，它仅显示：

year month day
没有找到分区

我该怎么办？这些只是CSV文件。我无法控制将原始数据上传到S3的过程，它将仅在存储桶中存储每小时的文件。我可以控制ETL作业和Data Catalog。当我尝试在创建分区并运行MSCK REPAIR TABLE后查询时，没有返回数据。但是我可以进入Data Catalog存储桶并找到其中一个

Answer

【以下的回答经过翻译处理】 我已经弄清楚了这个问题。我错过了一个步骤，需要将additionalOptions添加到我的sink中，如下所述：

```
＃参数“enableUpdateCatalog”告诉aws glue工作更新glue数据目录，因为创建新分区
additionalOptions = {"enableUpdateCatalog": True}
#定义分区键
additionalOptions["partitionKeys"] = ["year", "month","day"]
```

做了这个之后，分区（嵌套目录）被创建。

无法使用Glue数据目录让分区正常工作

Relevanter Inhalt