Étape 4 : charger des données dans HDFS

Dans cette étape, vous allez copier un fichier de données dans Hadoop Distributed File System (HDFS), puis créer une table Hive externe qui mappe à ce fichier de données.

Télécharger l'échantillon de données

1. Téléchargez l'archive de l'échantillon de données (features.zip) :

   wget https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/samples/features.zip

2. Extrayez le fichier features.txt de l'archive :

   unzip features.zip

3. Affichez les premières lignes du fichier features.txt :

   head features.txt

   Le résultat doit ressembler à ceci :

   1535908|Big Run|Stream|WV|38.6370428|-80.8595469|794
   875609|Constable Hook|Cape|NJ|40.657881|-74.0990309|7
   1217998|Gooseberry Island|Island|RI|41.4534361|-71.3253284|10
   26603|Boone Moore Spring|Spring|AZ|34.0895692|-111.410065|3681
   1506738|Missouri Flat|Flat|WA|46.7634987|-117.0346113|2605
   1181348|Minnow Run|Stream|PA|40.0820178|-79.3800349|1558
   1288759|Hunting Creek|Stream|TN|36.343969|-83.8029682|1024
   533060|Big Charles Bayou|Bay|LA|29.6046517|-91.9828654|0
   829689|Greenwood Creek|Stream|NE|41.596086|-103.0499296|3671
   541692|Button Willow Island|Island|LA|31.9579389|-93.0648847|98

   Le fichier features.txt contient un sous-ensemble de données du United States Board on Geographic Names (http://geonames.usgs.gov/domestic/download_data.htm). Les champs de chaque ligne représentent les éléments suivants :

   • ID de fonction (identifiant unique)

   • Nom

   • Classe (lac, forêt, rivière, etc.)

   • État

   • Latitude (degrés)

   • Longitude (degrés)

   • Altitude (pieds)

4. A partir d'une invite de commande, entrez la commande suivante :

   hive

   L'invite de commande devient : hive>.

5. Entrez l'instruction HiveQL suivante pour créer une table Hive native :

   CREATE TABLE hive_features
       (feature_id             BIGINT,
       feature_name            STRING ,
       feature_class           STRING ,
       state_alpha             STRING,
       prim_lat_dec            DOUBLE ,
       prim_long_dec           DOUBLE ,
       elev_in_ft              BIGINT)
       ROW FORMAT DELIMITED
       FIELDS TERMINATED BY '|'
       LINES TERMINATED BY '\n';

6. Entrez l'instruction HiveQL suivante pour charger la table avec les données :

   LOAD DATA
   LOCAL
   INPATH './features.txt'
   OVERWRITE
   INTO TABLE hive_features;

7. Vous avez maintenant une table Hive native remplie des données du fichier features.txt. Pour vérifier, entrez l'instruction HiveQL suivante :

   SELECT state_alpha, COUNT(*)
   FROM hive_features
   GROUP BY state_alpha;

   La sortie doit afficher une liste d'États et le nombre d'entités géographiques dans chacun d'eux.

Étape suivante

Étape 5 : copier des données dans DynamoDB