Etapa 4: carregar dados no HDFS

Nesta etapa, você poderá copiar um arquivo de dados para o Hadoop Distributed File System (HDFS) e, em seguida, criar uma tabela do Hive externa que mapeia para o arquivo de dados.

Baixar os dados de amostra

1. Faça download do arquivo de dados de exemplo (features.zip):

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

2. Extraia o arquivo features.txt do arquivo:

   unzip features.zip

3. Visualize as primeiras linhas do arquivo features.txt:

   head features.txt

   O resultado deve ter a seguinte aparência:

   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

   O arquivo features.txt contém um subconjunto de dados do United States Board on Geographic Names (http://geonames.usgs.gov/domestic/download_data.htm). Os campos em cada linha representam o seguinte:

   • ID do recurso (identificador exclusivo)

   • Name (Nome)

   • Classe (lago; floresta; riacho; e assim por diante)

   • Estado

   • Latitude (graus)

   • Longitude (graus)

   • Altura (em pés)

4. No prompt de comando, digite o seguinte comando:

   hive

   O prompt de comando muda para: hive>

5. Insira a seguinte instrução HiveQL para criar uma tabela nativa do Hive:

   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. Insira a seguinte instrução HiveQL para carregar a tabela com dados:

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

7. Você agora tem uma tabela nativa do Hive preenchida com os dados do arquivo features.txt. Para verificar, insira a seguinte instrução HiveQL:

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

   A saída deve mostrar uma lista de estados e o número de recursos geográficos em cada uma delas.

Próxima etapa

Etapa 5: copiar dados para o DynamoDB