ファイルからのデータ・セットの作成

ファイルから個人データをアップロードすることによって、Studioで新しいデータ・セットを作成できます。アップロード後、データはカタログでデータ・セットとして使用できます。

Studioでは、Microsoft Excelファイル、CSV、TSV、TXTなどの区切りファイル、およびZIP、GZ、GZIPなどの圧縮ファイルがサポートされます。圧縮ファイルには、区切りファイルが1つしか含まれていない場合があります。

Microsoft Excelファイルは、XLSまたはXLSXのサフィクスを持つ必要があり、次のいずれかのバージョンを使用して作成されている可能性があります:

Excel 2016
Excel 2013
Excel 2010
Excel 2007
Excel 97 - 2003

ファイルからデータ・セットを作成するには:

カタログで「データ・セットの追加」オプションをクリックします。

このオプションにより、新しいデータ・セットがカタログに追加されます。プロジェクト内から新しいデータ・セットを追加することもできます。
「ファイルからのデータ・セットの作成」をクリックします。
「参照」をクリックし、ファイルを探して「開く」をクリックします。
「次へ」をクリックします。
「プレビュー」ページで、データをアップロードする前に、その属性および制限の両方を編集できます。
1. データ・セットから属性を除外するには、その属性のチェック・ボックスを選択解除します。
2. データ・セットに表示される属性の名前を変更するには、列ヘッダーを選択して属性の名前を編集します。

基本設定を展開し、次のオプションを設定します:

設定	説明
マイ・データにはヘッダー行が含まれます	ファイルにヘッダー行が含まれるかどうかを指定します。このオプションの選択を解除すると、Studioは属性名のかわりにアルファベット順のリストを作成します。
最初の0行をスキップ	必要な場合は、ファイルの先頭からスキップする行数を指定できます。
シート	「Microsoft Excelファイルのみ」。リストからロードするシートを選択します。データセットは、1つのシートに対応しています。複数のシートを処理する必要がある場合は、ウィザードを再度実行します。
フィールドの区切り文字	「区切りファイル形式のみ」。リストからフィールド・デリミタを選択します。通常、この選択は、ファイル・フォーマット、カンマ区切り(CSV)、タブ区切り(TSV/TAB)などに相当します。
フィールドを囲む引用符	「区切りファイル形式のみ」。フィールドに引用値が含まれるかどうかを指定します。
引用文字	「区切りファイル形式のみ」。「フィールドを囲む引用符」を有効にした場合、引用符文字を選択します。
引用符エスケープ文字	「区切りファイル形式のみ」。「フィールドを囲む引用符」を有効にした場合は、引用符エスケープ文字を選択します。

詳細設定を展開し、次のオプションを設定します:

設定	説明
文字エンコーディング	「区切りファイル形式のみ」。ファイル・エンコーディングを選択します。不明な場合は、フル機能のテキスト・エディタでファイルを開き、エディタを使用してエンコーディングを検出する必要があります。
Language	ファイル内のテキスト・データの言語を指定します。この設定はデータ処理中に使用され、値およびキーワードの検索に使用されます。

「次へ」をクリックします。
データ・セットの作成ページで、次の手順を実行します:
1. カタログに表示されるデータセットの名前を指定します。
2. 必要に応じて、データ・セットの説明を指定します。
3. オプションで、Hive表名を指定します。デフォルトでは、Hive表の名前はデータ・セット名と同じです。既存のデータ・セットと同じ名前でデータ・セットを作成する場合、別のHive表名を指定する必要があります。 Studioでは、データ・セット名が一意の表名にマップされます。
アップロードするファイルがある場合は、「作成」をクリックしてから「別のデータ・セットの追加」をクリックし、ファイルの処理中に「カタログに戻る」をクリックします。

ファイルに基づく新規データ・セットがカタログで使用可能になります。

接続タイムアウトによりファイルのアップロードに失敗した場合、Studioからアップロードするにはファイルが大きすぎる可能性があります。この問題を回避するには、Hiveデータベース管理者にソース・ファイルをHive表にインポートし、データ処理CLIユーティリティを実行して表を処理します。データを処理した後、ファイルに基づいた新しいデータ・セットをカタログで使用できます。