# Paso 4: cargar los datos en HDFS
<a name="EMRforDynamoDB.Tutorial.LoadDataIntoHDFS"></a>

En este paso, copiaremos un archivo de datos en Hadoop Distributed File System (HDFS) y, a continuación, crearemos una tabla Hive externa mapeada con ese archivo de datos.

**Descarga del ejemplo de datos**

1. Descargue el ejemplo de archivo de datos (`features.zip`):

   ```
   wget https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/samples/features.zip
   ```

1. Extraiga el archivo `features.txt` del archivo comprimido:

   ```
   unzip features.zip
   ```

1. Vea las primeras líneas del archivo `features.txt`:

   ```
   head features.txt
   ```

   El resultado debe ser parecido al siguiente:

   ```
   1535908|Big Run|Stream|WV|38.6370428|-80.8595469|794
   875609|Constable Hook|Cape|NJ|40.657881|-74.0990309|7
   1217998|Gooseberry Island|Island|RI|41.4534361|-71.3253284|10
   26603|Boone Moore Spring|Spring|AZ|34.0895692|-111.410065|3681
   1506738|Missouri Flat|Flat|WA|46.7634987|-117.0346113|2605
   1181348|Minnow Run|Stream|PA|40.0820178|-79.3800349|1558
   1288759|Hunting Creek|Stream|TN|36.343969|-83.8029682|1024
   533060|Big Charles Bayou|Bay|LA|29.6046517|-91.9828654|0
   829689|Greenwood Creek|Stream|NE|41.596086|-103.0499296|3671
   541692|Button Willow Island|Island|LA|31.9579389|-93.0648847|98
   ```

   El archivo `features.txt` contiene un subconjunto de los datos del United States Board on Geographic Names (Consejo Estadounidense de Nombres Geográficos) ([http://geonames.usgs.gov/domestic/download\$1data.htm](http://geonames.usgs.gov/domestic/download_data.htm)). Los campos de cada línea representan lo siguiente:
   + Identificador del accidente geográfico (identificador único)
   + Nombre
   + Clase (lago, bosque, arroyo, etc.)
   + Estado
   + Latitud (grados)
   + Longitud (grados)
   + Altitud (en pies)

1. En el símbolo del sistema, escriba el siguiente comando:

   ```
   hive
   ```

   El símbolo del sistema cambia a lo siguiente: `hive>` 

1. Escriba la siguiente instrucción de HiveQL para crear una tabla de Hive nativa:

   ```
   CREATE TABLE hive_features
       (feature_id             BIGINT,
       feature_name            STRING ,
       feature_class           STRING ,
       state_alpha             STRING,
       prim_lat_dec            DOUBLE ,
       prim_long_dec           DOUBLE ,
       elev_in_ft              BIGINT)
       ROW FORMAT DELIMITED
       FIELDS TERMINATED BY '|'
       LINES TERMINATED BY '\n';
   ```

1. Escriba la siguiente instrucción de HiveQL para cargar datos en la tabla:

   ```
   LOAD DATA
   LOCAL
   INPATH './features.txt'
   OVERWRITE
   INTO TABLE hive_features;
   ```

1. Ahora, tenemos una tabla de Hive nativa que contiene los datos del archivo `features.txt`. Para comprobarlo, escriba la siguiente instrucción de HiveQL:

   ```
   SELECT state_alpha, COUNT(*)
   FROM hive_features
   GROUP BY state_alpha;
   ```

   El resultado debería ser una lista de estados y el número de accidentes geográficos de cada uno de ellos.

**Siguiente paso**  
[Paso 5: copiar los datos a DynamoDB](EMRforDynamoDB.Tutorial.CopyDataToDDB.md)