Ceci est une ancienne révision du document !
Copier dans votre espace perso puis désarchiver
/.../tpch-extrait.tgz
En étant dans tpch-extrait, créer les données dans hdfs en tapant
hadoop fs -mkdir /tpch hadoop fs -put lineitem.tbl /tpch hadoop fs -put part.tbl /tpch
puis vérifier que les fichiers existent
hadoop fs -ls /tpch
Commencer par charger les données en RDD
val tpch="/tpch/" val lineitem_t = tpch+"lineitem.tbl" val part_t = tpch+"part.tbl"
Les instructions suivantes correspondent à la version Q17 simplifiée de TPCH suivante (attention, syntaxe incompatible avec certains compilateurs SQL)
SELECT SUM(l_extendedprice) / 7.0 AS avg_yearly FROM (SELECT l_partkey, 0.2* avg(l_quantity) AS t1 FROM lineitem GROUP BY l_partkey) AS INNER, (SELECT l_partkey,l_quantity,l_extendedprice FROM lineitem, part WHERE p_partkey = l_partkey) AS OUTER WHERE OUTER.l_partkey = INNER.l_partkey AND OUTER.l_quantity < INNER.t1;
On peut exprimer cette requête en RDD comme suit
val lineitem = sc.textFile(lineitem_t). filter(!_.contains("ORDERKEY")) .map(x=>x.split(",")) .map(x=>(x(1).toInt,x(4).toInt,x(5).toDouble,x(6).toDouble,x(8),x(9))) //schema (PARTKEY, QUANTITY, EXTENDEDPRICE,DISCOUNT,RETURNFLAG,LINESTATUS ) //count = 6,001,215 val part = sc.textFile(part_t) .filter(!_.contains("PARTKEY")) .map(x=>x.split(",")) .map(x=>(x(0).toInt)) //schema (PARTKEY) //count = 200,000 def myAvg(tab:Iterable[Int])=tab.reduce(_+_)/tab.size val inner = lineitem .map{case(partkey,quantity,_)=>(partkey,quantity)} .groupByKey .mapValues(x=>.2*myAvg(x)) val outer = lineitem .map{case(partkey,quantity,extended)=>(partkey,(quantity,extended))} .join(part.map(x=>(x,null))) .map{case(partkey,((quantity,extended),_))=>(partkey,(quantity,extended))} val query = inner .join(outer) .filter{case(partkey,(t1,(quantity,extended)))=>quantity<t1} .map{case(partkey,(t1,(quantity,extended)))=>extended} val res = query.sum/7
Pour afficher le plan d'exécution en mode textuel, taper
print(query.toDebugString)
Pour visualiser le plan d'exécution en version graphique, aller sur http://:4040 puis sur l'onglet “Stages”.