对接AWS Glue与S3的Trino DB如何配置忽略无关JSON文件

AWS Glue爬网程序配置的文件忽略规则仅在爬网采样、生成表结构阶段生效，不会将过滤规则写入元数据。Trino对接Glue元存储时，默认会扫描表绑定S3路径下所有可识别格式的文件，不会继承Glue爬网的忽略规则，因此会将同目录下的JSON文件识别为表数据读取。

• 全局连接器配置（推荐，全表生效）
  编辑Trino的Hive连接器配置文件，默认路径为etc/catalog/hive.properties，添加指定忽略文件后缀的配置项：

  # 填写需要跳过的文件后缀，多个值用逗号分隔
  hive.s3.file-ignore-extensions=.json
  

  保存配置后重启Trino集群所有节点的Trino服务即可生效，后续所有通过该连接器查询S3存储的Hive表，都会自动跳过指定后缀的文件。

  若使用350之前的Trino旧版本，对应参数名替换为hive.s3.skip-files-with-suffix，配置逻辑一致。

• 单表属性配置（无全局修改权限时使用）
  若没有连接器配置修改权限，可以直接在Trino中执行SQL给目标表单独设置忽略规则，仅对当前表生效：

  ALTER TABLE <你的目标库名>.<你的目标表名>
  SET PROPERTIES 'file_ignore_extensions' = '.json';
  

  执行完成后该表查询时就会自动跳过目录下的.json后缀文件。

• 长期架构优化
  不建议将非数据类文件（如元数据说明文件、临时文件）存放在表绑定的S3数据目录下，后续可调整目录结构，将metafile.json这类文件移动到表数据路径外的独立目录，从根源上避免扫描到非数据文件，无需额外配置过滤规则。

Glue爬网程序侧配置的排除规则不会同步给Trino，不要仅依赖Glue侧的过滤配置，必须在Trino侧通过连接器参数或表属性设置过滤规则才能生效。

内容的提问来源于stack exchange，提问作者kater169