Importuj ORC

Opis

Importuje pliki Apache ORC z PlaidCloud Document. ORC to kolumnowy format przechowywania zapisywany przez Hive i Spark, ze schematem zawartym w pliku.

Formularz kroku ma trzy karty:

• Parametry importu — Plik źródłowy (konto dokumentów oraz ścieżka pliku lub folderu) i Tabela docelowa, wraz z opcjami Usuń znaki spoza ASCII (ascii_only), Usuń pliki po imporcie (delete_file) i Pomiń ponowny import, jeśli pliki źródłowe nie uległy zmianie (skip_if_unchanged).
• Wybór danych tabeli — mapuje kolumny źródłowe na kolumny docelowe, z opcjami Podsumuj i Unikalne. Wypełnij odczytuje kolumny i ich typy ze schematu zawartego w pliku ORC.
• Filtry danych — filtruje wiersze przed podsumowaniem i po nim.

Gdy plik nie istnieje lub jest pusty, Wypełnij odpowiada Brak danych do wypełnienia wraz z ostrzeżeniem wskazującym ścieżkę i zachowuje dotychczasowe mapowanie.

Zmigrowane projekty Prophecy używają tego kroku dla zestawów danych ORC.

Przykłady

Brak przykładów…