如何将xls数据从多个xls文件加载到配置单元中？

Question

我正在学习使用Hadoop执行大数据相关操作。

我需要对8个xls文件中的数据集合进行一些查询。每个xls文件都有多个工作表，查询只涉及其中一个工作表。

数据集可以在这里下载：http://www.census.gov/hhes/www/hlthins/data/utilization/tables.html

我没有使用Hadoop我的任务，任何商用的发行版，只是有一个主机和从机VM在其中设立在VMWARE使用Hadoop，蜂巢，猪。

我是一个Hadoop和大数据的新手，所以如果任何人都可以指导我如何进一步进行，我会非常感激。

如果您需要查询或其他任何信息，请告诉我。

谢谢。

Answer 1

在配置单元中，您无法直接将数据从xls加载到表中，就像您对txt或csv文件所做的那样。

你有两个选择：

1. 编写一个应用程序（例如，Java）来读取的XLS文件，并将其转换成可以直接加载到一个蜂巢文本或CSV文件。

OR

您可以创建自己的SERDE（串行解串器或），您提供给您的分析数据XLS被加载到一个表。

两者都有自己的优点和缺点，但如果你打算使用的应用程序与HIVE装载交互，查询，转化等，您可以选择1走不过，如果你打算通过脚本/批办等你可以去选项2.