Kendra+S3连接器无法索引PDF文件：元数据验证失败问题求助

我完全懂你现在的困扰——明明照着格式写了S3元数据JSON，配置好了Kendra自定义字段，点同步却一堆元数据验证失败的报错，重复刷着“instance failed to match at least one required schema among 4”，属实让人头大。结合Kendra S3连接器的常见坑，我给你梳理几个大概率的问题点和排查步骤：

可能的问题原因及排查方向 #

• 字段名/类型与Kendra索引不匹配（最常见）
  Kendra对自定义字段的匹配是大小写敏感的，而且数据类型必须严格对应：

  • 比如你在Kendra索引里创建的asset_id是字符串类型，那元数据里的"asset_id":"100000241"没问题，但如果写成数字"asset_id":100000241就会报错；
  • 像keywords这种数组类型，要确保Kendra里对应的字段设置为「可多值」的字符串类型；
  • 特别注意：你元数据里的_source_uri是Kendra的内置预留字段，不需要手动在Attributes里定义（Kendra会自动从S3路径生成），手动添加反而会导致schema冲突，这很可能是报错的元凶之一，建议先删掉这个字段试试。

• 元数据文件命名/位置错误
  Kendra要求元数据文件必须和对应PDF同名且后缀为.metadata.json，还要放在同一个S3路径下。比如你的PDF是brochure.pdf，元数据文件必须叫brochure.pdf.metadata.json，如果命名错成brochure.metadata.json或者放在其他文件夹，Kendra就无法关联到文档，触发验证失败。

• JSON语法隐性错误
  看起来你的JSON格式没问题，但可能存在一些隐性错误：比如asset_type和asset_subtype值后面多了个冒号（"asset_type":"Brochure:"），虽然语法合法，但如果Kendra对字段内容有格式限制（比如不允许末尾冒号）也可能触发错误；另外可以用JSON校验工具检查有没有遗漏的逗号、不闭合的引号等。

• 自定义字段配置问题
  检查Kendra索引里的自定义字段是否正确配置：比如日期类型字段（date_published、expiration_date等）是否设置为「日期/时间」类型，而不是字符串类型；字段是否开启了「可索引」属性，否则Kendra无法识别该字段。

快速测试步骤 #

1. 简化元数据做最小化测试
   先写一个极简的元数据JSON，只保留核心字段和1-2个自定义字段，比如：

   {
     "Title": "Test Brochure",
     "ContentType": "pdf",
     "Id": "test1001",
     "Attributes": {
       "asset_id": "test1001",
       "keywords": ["test", "demo"]
     }
   }
   

   同步测试，如果成功，再逐步添加其他字段，就能定位到是哪个字段导致的问题。

2. 核对字段配置细节
   把元数据里的每个Attributes字段，和Kendra索引的自定义字段列表逐一对比，确保字段名大小写、数据类型完全一致，没有拼写错误。

3. 检查元数据文件命名
   确认元数据文件名严格遵循[PDF文件名].metadata.json的规则，和PDF在同一S3目录下。

按照这些步骤排查，应该能快速找到问题所在。

内容来源于stack exchange