Importar ORC
Descripción
Sección titulada «Descripción»Importe archivos de Apache ORC desde PlaidCloud Document. ORC es un formato de almacenamiento columnar escrito por Hive y Spark, con el esquema incluido en el archivo.
El formulario del paso tiene tres pestañas:
- Parámetros de importación: el Archivo de origen (una cuenta de documentos y la ruta del archivo o de la carpeta) y la Tabla de destino, con Quitar caracteres no ASCII (
ascii_only), Eliminar los archivos después de importar (delete_file) y Omitir la reimportación si los archivos de origen no han cambiado (skip_if_unchanged). - Selección de datos de la tabla: asigna las columnas de origen a las columnas de destino, con Resumir y Distinto. Rellenar lee las columnas y sus tipos del esquema incluido en el archivo ORC.
- Filtros de datos: filtra las filas antes y después de resumir.
Cuando el archivo no existe o está vacío, Rellenar responde Nada que rellenar con una advertencia que indica la ruta y conserva la asignación que ya tiene.
Los proyectos de Prophecy migrados usan este paso para los conjuntos de datos ORC.
Ejemplos
Sección titulada «Ejemplos»Aún no hay ejemplos…