Legoliss Blog

【TSVファイル編】AWS-AthenaのCreate-Tableについて対応表でまとめてみた!

こんにちは。
Legoliss データアナリストの音嶋健斗です。
このブログでは、データマーケティングにまつわる様々な情報をお届けします。


■はじめに

AWS-Athenaとは、S3上のデータに対して、クエリ(SQL)を利用してデータの分析を行うことができるフルマネージド(サーバーレス)サービスです。
S3に設置するファイル形式は「CSV」「TSV」「JSON」が対応していて、ファイルを設置した後、Athena上でファイルの中身の「引用符」「文字コード」「ヘッダー有無」を考慮してCreate-Tableする必要があります。
Create-Tableについては、Athena特有のルールがあるため少し複雑です。なのでパターンをまとめました。
今回はファイル形式を「TSV」に絞って説明していきます。

legoliss.hatenablog.com

参考文献
Athena構築手順
AWSドキュメント

■本記事の内容

・各用語の簡単な説明
・対応表の説明
・まとめ


■各用語の簡単な説明

・TSV:文字と文字の区切りが「 (タブ)」で区切られているファイル形式です。
・引用符:文字のはじめと終わりに囲む記号で、「"(二重引用符)」がよく利用されます。
文字コード:文字表記のバイト表現のことで、UTF8やSJISがよく利用されます。
・ヘッダー有無:ファイルの一行目にカラムの名前が有るか無いかです。


■対応表の説明

引用符、文字コード、ヘッダーはよく利用するものだけを絞っています。
AthenaのCreate-Tableデフォルト設定が、「引用符なし」「文字コードUTF8」「ヘッダー無」になり、デフォルトの場合は省略することが可能です。今回の対応表では省略可能なものは省略しています。
また、これ以外のファイル形式はあまり見かけませんが、そのファイルもCreate-Tableしたい場合は公式ドキュメントをご参照下さい。

引用符 文字コード ヘッダー ファイル内容例 Create-Table 結果 備考
なし UTF8 あり col1 col2
123 ひらがな
abc カタカナ
f:id:legoliss:20210713162245p:plain CREATE EXTERNAL TABLE tb_name (
col1 string,
col2 string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LOCATION 's3://legoliss-test/tsv/'
TBLPROPERTIES (
'skip.header.line.count'='1'
)
なし UTF8 なし col1 col2
123 ひらがな
abc カタカナ
f:id:legoliss:20210713162456p:plain CREATE EXTERNAL TABLE tb_name (
col1 string,
col2 string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LOCATION 's3://legoliss-test/tsv/'
なし  SJIS あり col1 col2
123 ひらがな
abc カタカナ
f:id:legoliss:20210713162456p:plain CREATE EXTERNAL TABLE tb_name (
col1 string,
col2 string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LOCATION 's3://legoliss-test/tsv/'
TBLPROPERTIES (
'serialization.encoding'='SJIS'
)
なし SJIS なし col1 col2
123 ひらがな
abc カタカナ
f:id:legoliss:20210713162456p:plain CREATE EXTERNAL TABLE tb_name (
col1 string,
col2 string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LOCATION 's3://legoliss-test/tsv/'
TBLPROPERTIES (
'skip.header.line.count'='1',
'serialization.encoding'='SJIS'
)



■まとめ

TSV形式のまとめは以上になります。
Athenaを利用することで、データ量が大きいTSVファイルにクエリを書いて分析ができるようになりました。

<このブログの執筆者>
株式会社Legoliss
データアナリスト 音嶋健斗