Importar ORC
Descrição
Seção intitulada “Descrição”Importe arquivos Apache ORC do PlaidCloud Document. ORC é um formato de armazenamento colunar gravado pelo Hive e pelo Spark, com o esquema contido no arquivo.
O formulário da etapa tem três guias:
- Parâmetros de importação — o Arquivo de origem (uma conta de documentos e o caminho do arquivo ou da pasta) e a Tabela de destino, com Remover caracteres não ASCII (
ascii_only), Excluir arquivo(s) após a importação (delete_file) e Ignorar nova importação se os arquivos de origem não mudaram (skip_if_unchanged). - Seleção de dados da tabela — mapeia as colunas de origem para as colunas de destino, com Resumir e Distintos. Preencher lê as colunas e seus tipos a partir do esquema contido no arquivo ORC.
- Filtros de dados — filtra as linhas antes e depois de resumir.
Quando o arquivo não existe ou está vazio, Preencher responde Nada para preencher com um aviso que informa o caminho e mantém o mapeamento que você já tem.
Os projetos Prophecy migrados usam esta etapa para conjuntos de dados ORC.
Exemplos
Seção intitulada “Exemplos”Ainda não há exemplos…