无法从AWS Athena下载可用格式CSV数据的问题咨询

数据老陈

2026-8-29

问题原因

你下载的文件被file识别为data、无法正常打开，基本是以下三个原因导致的：

Athena控制台下载结果集时，只要结果大小超过10MB就会默认用GZIP压缩，但下载时不会自动追加.gz后缀，你拿到的本质是压缩包，不是纯文本CSV，文本编辑器和Excel自然无法识别。
建表时SerDe配置错误，没有指定UTF-8编码和正确的CSV解析规则，控制台预览时前端做了格式兼容可以正常展示，但实际导出的文件格式不符合纯文本CSV规范。
结果集较大时，控制台的「下载结果」按钮走的是前端分片拉取逻辑，很容易出现下载截断、文件不完整的问题。

解决步骤

先排查压缩问题
在本地对下载的文件执行校验命令：
gzip -t my_table_name.csv
如果命令没有返回报错，说明文件就是GZIP压缩包，直接执行解压命令即可得到正常的UTF-8 CSV：
gzip -d my_table_name.csv
解压后的文件可以直接用Excel、文本编辑器打开。
如果校验提示不是gzip文件，修正表配置
你之前建表时大概率漏了CSV对应的SerDe和编码配置，先删除旧表，用如下模板重新建表，注意替换成你自己的字段、S3路径：

CREATE EXTERNAL TABLE IF NOT EXISTS my_table_name (
  -- 按你的CSV表头逐行定义字段，比如user_id string, order_amount bigint这种
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
  'separatorChar' = ',',
  'quoteChar' = '"',
  'escapeChar' = '\\'
)
STORED AS TEXTFILE
LOCATION 's3://你的源CSV存放的S3路径/'
TBLPROPERTIES (
  'skip.header.line.count'='1', -- 自动跳过每个源文件的表头，避免合并后出现重复表头
  'serialization.encoding'='UTF-8'
);

建表完成后先执行select * from my_table_name limit 10验证结果，确认和源CSV内容一致。

全量合并导出不要走控制台下载按钮
7万份CSV合并后数据量不小，控制台下载很容易出问题，直接用CTAS语句把全量合并结果输出到指定S3路径：

CREATE TABLE merged_full_csv
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
  'separatorChar' = ',',
  'quoteChar' = '"',
  'escapeChar' = '\\'
)
STORED AS TEXTFILE
LOCATION 's3://你自己指定的结果输出S3路径/final_merged_csv/'
TBLPROPERTIES ('serialization.encoding'='UTF-8')
AS
SELECT * FROM my_table_name;

等查询执行完成后，直接到上面配置的结果S3路径下下载生成的文件即可，这些文件是标准UTF-8编码的纯文本CSV，不存在格式问题。如果结果过大Athena切分成了多个文件，本地合并时跳过除第一个文件外的其余文件的表头行就行。

内容的提问来源于stack exchange，提问作者Benjamin