Actualizar una partición de datos de Hive es un proyecto práctico para quienes conocen las consultas básicas de Hive y quieren corregir un archivo de datos con cuidado. Un recinto ha aprobado un nuevo conjunto completo de visitas confirmadas para fechas concretas. Sustituirás esas fechas, tratarás una fecha aprobada sin visitas confirmadas y conservarás todas las demás fechas y los datos de origen.
El curso incluye un laboratorio guiado y un desafío independiente. El laboratorio guiado compara la inserción por adición, la sustitución de una tabla completa y la sustitución de una partición estática en tablas de práctica desechables antes de corregir el archivo ORC real. El desafío aporta nuevas fechas y registros candidatos, incluido material fuera del alcance aprobado.
Lo que aprenderás
Al completar el curso, podrás:
- inspeccionar las ubicaciones de las tablas externas, las columnas de partición y los formatos de almacenamiento antes de una corrección;
- distinguir la sustitución completa de una fecha de la adición de registros;
- elegir una partición de destino estática y filtrar por separado los registros confirmados de la fuente correspondiente;
- vaciar una fecha aprobada cuyo conjunto completo de sustitución no contiene visitas confirmadas, manteniendo registrada su partición;
- conservar los registros de fechas no aprobadas, sus archivos HDFS originales y las definiciones y los datos de las fuentes suministradas;
- guardar y ejecutar SQL, repetir el mismo archivo y verificar el archivo de datos completo mediante consultas de lectura.
A quién va dirigido este curso
Este curso se dirige a estudiantes con conocimientos iniciales de Hive que quieran practicar una corrección de datos con un alcance de aprobación preciso.
Requisitos previos: Navegación básica en Terminal, rutas HDFS, tablas externas de Hive, SELECT con WHERE, columnas de partición y ORC. El laboratorio guiado explica la sobrescritura de particiones estáticas y la sintaxis del shell utilizada para guardar SQL.
Entorno de aprendizaje: Cada unidad ofrece su propio entorno Linux preparado con Hive, HDFS, registros de origen y un archivo inicial. Trabajarás en la pestaña Terminal del navegador, sin instalación local. Los comandos, los datos y la salida de ejecución están en inglés.
Preguntas frecuentes
¿Necesito instalar Hive o Hadoop?
No. Los servicios y los datos del curso están preparados en cada unidad. Puedes concentrarte en leer el archivo, determinar el alcance aprobado y aplicar la corrección.
¿Una corrección actualiza registros individuales?
Aquí, el conjunto candidato aprobado representa todas las visitas confirmadas de una fecha. Sustituirlo elimina los registros obsoletos, incluidos todos los registros anteriores cuando la sustitución aprobada está vacía.
¿Cómo amplía el desafío el laboratorio guiado?
Inspeccionarás por tu cuenta una nueva lista de aprobación y los datos candidatos, aplicarás el mismo mecanismo de sustitución y conservarás datos posteriores no aprobados. El desafío se inicializa de forma independiente y no depende de archivos del laboratorio guiado.
