通过Glue爬虫从S3 Parquet创建的表，Athena查询无结果返回

• 路径匹配问题
  检查Glue表的Location配置，确保指向包含所有Parquet文件的父目录（末尾建议带斜杠）。如果文件存放在子目录，需在表属性中添加recursive.directories=true，让Athena递归扫描所有子目录下的文件。

• Schema兼容问题
  本地能读取不代表Schema和Glue表完全匹配，可能存在数据类型隐性差异：

  • 用parquet-tools schema s3://你的存储桶路径/文件.parquet查看文件原生Schema
  • 对比Glue表的列类型，手动调整Glue表Schema使其完全匹配，之后重新同步表元数据

• 分区加载问题
  如果文件按分区存储，执行MSCK REPAIR TABLE 你的表名;命令，让Athena加载所有分区数据。若爬虫未识别分区，删除现有表后重新创建爬虫，开启“分区检测”功能。

• 权限配置问题
  确认Athena执行角色拥有对应S3路径的s3:GetObject和s3:ListBucket权限。可通过IAM控制台给角色添加包含目标S3路径的权限策略。

• Parquet格式兼容性问题
  Python生成Parquet时，尽量使用Athena支持的压缩格式（如gzip、snappy），避免使用lz4_raw等小众压缩算法。示例：

  df.to_parquet('output.parquet', compression='gzip')
  

  重新生成文件上传后，重新运行Glue爬虫更新表元数据。

内容的提问来源于stack exchange，提问作者xpansionfactor