亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

翻譯Hive官方文檔系列，文中括號(hào)中包含注: 字樣的，為我自行標(biāo)注的，水平有限，翻譯不是完美無(wú)缺的。如有疑問(wèn)，請(qǐng)參照Hive官方文檔對(duì)照查看。

內(nèi)容列表

Cloudera制作的Hive介紹視頻

安裝與配置

系統(tǒng)需求

安裝Hive發(fā)行版

從Hive源碼編譯

運(yùn)行Hive

配置管理概覽

運(yùn)行時(shí)配置

Hive, Map-Reduce 與本地模式

錯(cuò)誤日志

DDL 操作

元數(shù)據(jù)存儲(chǔ)

DML 操作

SQL 操作

查詢(xún)示例

SELECTS 和 FILTERS

GROUP BY

JOIN

MULTITABLE INSERT

STREAMING

Simple Example Use Cases

MovieLens User Ratings

Apache Weblog Data

免責(zé)聲明: Hive目前僅在Unix(linux)和Mac系統(tǒng)下使用Java 1.6測(cè)試運(yùn)行，可以在這些或類(lèi)似的平臺(tái)上正常運(yùn)行。并不支持在Cygwin上工作(注:windows還是別想了)。

絕大部分的測(cè)試工作是基于Hadoop 0.20完成的 - 所以，我們建議不要使用其他版本，以避免編譯或運(yùn)行的異常。

Cloudera制作的Hive介紹視頻

Hive 介紹視頻

Hive 演示視頻

安裝與配置

系統(tǒng)需求

Java 1.6

Hadoop 0.20.x.(注:目前0.9.0支持hadoop 1.0.x)

用發(fā)行版安裝Hive

使用下載工具從Apache下載鏡像下載最近的Hive發(fā)行包(查看 Hive發(fā)行包)

下一步你需要解壓縮Tar包，這將會(huì)創(chuàng)建一個(gè)名為hive-x.y.z的子目錄：

$ tar -xzvf hive-x.y.z.tar.gz

?

設(shè)置HIVE_HOME環(huán)境變量指向到Hive的安裝目錄：

$ cd hive-x.y.z
$ export HIVE_HOME={{pwd}}

?

最后, 將$HIVE_HOME/bin添加到你的PATH環(huán)境變量中：

$ export PATH=$HIVE_HOME/bin:$PATH

?

使用源碼創(chuàng)建Hive

Hive SVN 源: http://svn.apache.org/repos/asf/hive/trunk

$ svn co http://svn.apache.org/repos/asf/hive/trunk hive
$ cd hive
$ ant clean package
$ cd build/dist
$ ls
README.txt
bin/ (所有shell腳本)
lib/ (所需的jar文件)
conf/ (配置文件)
examples/ (示例輸入與查詢(xún)文件)

?

在接下來(lái), 我們會(huì)交替的使用build/dist和<install-dir>.

運(yùn)行Hive

Hive 使用Hadoop，這意味著:

你必須在PATH里面設(shè)置了hadoop路徑 (注:原文是 you must have hadoop in your path，我認(rèn)為這個(gè)path應(yīng)該是大寫(xiě)的) ?或者

export HADOOP_HOME=<hadoop-install-dir>

作為附加的, 你必須在創(chuàng)建Hive庫(kù)表前，在HDFS上創(chuàng)建/tmp和/user/hive/warehouse，并且將它們的權(quán)限設(shè)置為chmod g+w.

完成這個(gè)操作的命令如下：

$ $HADOOP_HOME/bin/hadoop fs -mkdir???????????? /tmp
$ $HADOOP_HOME/bin/hadoop fs -mkdir???????????? /user/hive/warehouse
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w???? /tmp
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w???? /user/hive/warehouse

?

我同樣發(fā)現(xiàn)設(shè)置 HIVE_HOME 是很重要的，但并非必須

$ export HIVE_HOME=<hive-install-dir>

?

在Shell中使用Hive命令行(cli)模式:

$ $HIVE_HOME/bin/hive

?

配置文件管理概述

Hive 默認(rèn)的配置文件保存在 <install-dir>/conf/hive-default.xml

你可以修改其中的配置，并重命名這個(gè)文件為 <install-dir>/conf/hive-site.xml(注:我建議你還是保留原始配置文件)

Hive配置文件的位置可以通過(guò)設(shè)置HIVE_CONF_DIR環(huán)境變量來(lái)改變.

Log4j的配置保存在 <install-dir>/conf/hive-log4j.properties

Hive的配置存在于Hadoop之上，這意味著Hadoop的配置默認(rèn)會(huì)被繼承到Hive中.

Hive 配置可以被如下方式控制:

編輯 hive-site.xml 并定義任何需要的變量 (包括hadoop的變量)

從 cli 模式使用使用set命令 (看下面)

使用如下方式:

$ bin/hive -hiveconf x1=y1 -hiveconf x2=y2

這個(gè)例子分別設(shè)置了變量x1為y1，x2為y2

設(shè)置使用 HIVE_OPTS 環(huán)境變量 "-hiveconf x1=y1 -hiveconf x2=y2" 與上面的功能相同

運(yùn)行時(shí)配置

Hive 查詢(xún)是執(zhí)行map-reduce查詢(xún)，并且，這些查詢(xún)是可以被hadoop的配置所控制的.

命令行命令 'SET' 可以被用來(lái)設(shè)置任何hadoop(或者h(yuǎn)ive)的配置變量，例如:

????hive> SET mapred.job.tracker=myhost.mycompany.com:50030;
????hive> SET -v;

?

后者(注 SET -v)用來(lái)查看當(dāng)前全部的設(shè)置. 而不使用 -v 選項(xiàng)，則是用來(lái)查看當(dāng)前與Hadoop不同的配置.

Hive, Map-Reduce 與本地模式

Hive編譯器會(huì)為絕大多數(shù)查詢(xún)生成map-reduce的jobs。這些Jobs使用下面這個(gè)變量來(lái)表明被提交到Map-Reduce集群中:

????mapred.job.tracker

?

由于這通常是在一個(gè)多節(jié)點(diǎn)的map-reduce集群中被指出，Hadoop同樣有個(gè)就近的方式來(lái)在用戶(hù)的工作機(jī)上運(yùn)行map-reduce jobs。這就在小數(shù)據(jù)集的查詢(xún)上顯得非常有用 - 在這種情況下，本地模式運(yùn)行通常會(huì)比將任務(wù)提交到整個(gè)大集群中查詢(xún)更快。數(shù)據(jù)從HDFS上獲取是透明的。同樣的，由于本地模式僅運(yùn)行一個(gè)reducer，這樣，在大數(shù)據(jù)查詢(xún)上是非常慢的。

從 0.7 版本開(kāi)始, Hive全面支持本地運(yùn)行模式，要使用這個(gè)模式，請(qǐng)按照下列進(jìn)行設(shè)置:

????hive> SET mapred.job.tracker=local;

?

作為附加的，mapred.local.dir應(yīng)該指定一個(gè)合法的本機(jī)路徑(注:安裝hive的那臺(tái)服務(wù)器) (例如: /tmp/<username>/mapred/local). (否則,用戶(hù)將獲取一個(gè)定位本地空間的異常拋出).

從0.7版本開(kāi)始, Hive同樣支持自動(dòng)/非自動(dòng)地使用本地模式來(lái)完成map-reduce jobs，相關(guān)的選項(xiàng)是:

????hive> SET hive.exec.mode.local.auto=false;

?

請(qǐng)注意這個(gè)功能默認(rèn)是關(guān)閉的，如果打開(kāi) - Hive將分析每一個(gè)查詢(xún)的map-reduce job ，并且如果以下閥值被確認(rèn)為OK，就嘗試運(yùn)行在本地:

全部job的輸入大小低于: hive.exec.mode.local.auto.inputbytes.max (128MB 默認(rèn))

全部的map任務(wù)數(shù)低于: hive.exec.mode.local.auto.tasks.max (4 個(gè)默認(rèn))

全部reduce任務(wù)數(shù)等于 1 或者 0.

對(duì)于查詢(xún)大于小數(shù)據(jù)集，或者需要查詢(xún)?cè)诙鄠€(gè)map-reduce jobs中完成，但是子查詢(xún)很小的(注:小于上述條件)，jobs仍可能使用本地模式來(lái)運(yùn)行。

注意，可能不同的hadoop服務(wù)器節(jié)點(diǎn)和hive客戶(hù)端的運(yùn)行時(shí)環(huán)境(由于不同的jvm版本或者不同的軟件庫(kù))。運(yùn)行本地模式可能會(huì)導(dǎo)致一個(gè)不可被捕獲的錯(cuò)誤。同樣需要注意的是，本地運(yùn)行模式是在一個(gè)獨(dú)立的子jvm(hive 客戶(hù)端的子進(jìn)程)中完成的。如果用戶(hù)希望，子jvm所能使用的最大內(nèi)存數(shù)，可以通過(guò)訪問(wèn)hive.mapred.local.mem來(lái)進(jìn)行控制。默認(rèn)設(shè)置是0，所以Hive允許Hadoop來(lái)決定子jvm的默認(rèn)內(nèi)存限制

錯(cuò)誤日志

Hive 使用 log4j 來(lái)記錄日志. 默認(rèn)來(lái)說(shuō)，日志不會(huì)被返回到CLI模式的控制臺(tái)上(注:也就是CRT中)。默認(rèn)的日志記錄等級(jí)是WARN，并被保存到以下文件夾中:

/tmp/<user.name>/hive.log

如果用戶(hù)愿意 - 日志可以通過(guò)修改下面的參數(shù)來(lái)返回到控制臺(tái)上:

bin/hive -hiveconf hive.root.logger=INFO,console

另外，用戶(hù)可以改變記錄等級(jí):

bin/hive -hiveconf hive.root.logger=INFO,DRFA

注意，配置項(xiàng) hive.root.logger 在hive初始化以后，即不能通過(guò)使用'set'命令來(lái)改變了

Hive同樣會(huì)為每個(gè)hive會(huì)話(huà)保存查詢(xún)?nèi)罩荆?tmp/<user.name>/ (注:本機(jī)路徑下)，但是可以通過(guò)修改 hive-site.xml 中的 hive.querylog.location屬性來(lái)變更。

Hive在一個(gè)hadoop集群上運(yùn)行過(guò)程中的日志是由Hadoop的配置所決定的。通常Hadoop會(huì)為每個(gè)map和reduce任務(wù)創(chuàng)建日志文件，并保存在運(yùn)行任務(wù)的集群服務(wù)器上。日志文件可以通過(guò)Hadoop Jobtracker提供的Web UI上的Task Detail頁(yè)面來(lái)跟蹤觀察。

運(yùn)行本地模式時(shí)(mapred.job.tracker=local)，Hadoop/Hive 將會(huì)將執(zhí)行日志放在本機(jī)上，從0.6版本開(kāi)始 - Hive使用hive-exec-log4j.properties (如果不存在，則是使用hive-log4j.properties文件)來(lái)決定默認(rèn)的日志的保存方式。默認(rèn)的配置文件將為每個(gè)查詢(xún)執(zhí)行在本地模式下的日志放到/tmp/<user.name>。這樣做的目的是為了將配置單獨(dú)管理，并可以將日志集中存放到一個(gè)用戶(hù)需要的位置(例如一個(gè)NFS文件服務(wù)器)上。執(zhí)行日志對(duì)于運(yùn)行時(shí)錯(cuò)誤的debug并無(wú)幫助。

錯(cuò)誤日志對(duì)于定位問(wèn)題非常有用，請(qǐng)將存在的任何bug發(fā)送到hive-dev@hadoop.apache.org

DDL 操作

創(chuàng)建Hive表和查看使用

hive> CREATE TABLE pokes (foo INT , bar STRING);

創(chuàng)建一個(gè)包含兩個(gè)字段，名稱(chēng)為pokes的表，第一個(gè)字段是int(注:整型)，第二個(gè)字段是string(注:字符串)

hive> CREATE TABLE invites (foo INT , bar STRING) PARTITIONED BY (ds STRING);

創(chuàng)建一個(gè)名為invites的表，其中包含兩個(gè)字段和一個(gè)叫做ds的分區(qū)(partition)字段. 分區(qū)字段是一個(gè)虛擬的字段，本身并不包含在數(shù)據(jù)中，但是是從加載進(jìn)來(lái)的數(shù)據(jù)中特別衍生出來(lái)的數(shù)據(jù)集.

默認(rèn)情況下，表被假定是純文本的格式，并且使用^A(ctrl-a)來(lái)作為數(shù)據(jù)分割的。

hive> SHOW TABLES;

列出所有的表

hive> SHOW TABLES '.*s' ;

?

列出所有結(jié)尾包含 's' 的表名。匹配方式使用Java正則表達(dá)式，查看下列連接獲取關(guān)于Java正則的信息 ?http://java.sun.com/javase/6/docs/api/java/util/regex/Pattern.html

hive> DESCRIBE invites;

查看invites表的全部字段

可以修改表名，增加刪除新的字段等:

hive> ALTER TABLE pokes ADD COLUMNS (new_col INT );
hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT 'a comment' );
hive> ALTER TABLE events RENAME TO 3koobecaf;

刪除表:

hive> DROP TABLE pokes;

?

元數(shù)據(jù)存儲(chǔ)

元數(shù)據(jù)默認(rèn)使用Derby數(shù)據(jù)庫(kù)保存在本地文件系統(tǒng)中，并保存在./metastore_db下。通過(guò)修改conf/hive-default.xml中的javax.jdo.option.ConnectionURL變量修改。

當(dāng)前，在默認(rèn)配置下，元數(shù)據(jù)每次只能同時(shí)被一個(gè)用戶(hù)所使用。

元數(shù)據(jù)可以存儲(chǔ)在任何一個(gè)使用JPOX支持的數(shù)據(jù)庫(kù)中，這些關(guān)系型數(shù)據(jù)庫(kù)的連接和類(lèi)型可以通過(guò)兩個(gè)變量進(jìn)行控制。javax.jdo.option.ConnectionURL 和 javax.jdo.option.ConnectionDriverName。

你需要查看數(shù)據(jù)庫(kù)的JDO(或JPOX)手冊(cè)來(lái)獲取更多信息。

數(shù)據(jù)庫(kù)的Schema定義在JDO元數(shù)據(jù)注釋文件package.jdo中，位置在src/contrib/hive/metastore/src/model。

計(jì)劃在未來(lái)，元數(shù)據(jù)存儲(chǔ)引擎可以成為一個(gè)獨(dú)立的服務(wù)。

如果你想將元數(shù)據(jù)作為一個(gè)網(wǎng)絡(luò)的服務(wù)來(lái)在多個(gè)節(jié)點(diǎn)中訪問(wèn)，請(qǐng)嘗試HiveDerbyServerMode.

DML 操作

將文件中的數(shù)據(jù)加載到Hive中:

hive> LOAD DATA LOCAL INPATH './examples/files/kv1.txt' OVERWRITE INTO TABLE pokes;

加載到pokes表的文件包含兩個(gè)用ctrl-a符號(hào)分割的數(shù)據(jù)列，'LOCAL' 意味著文件是從本地文件系統(tǒng)加載，如果沒(méi)有 'LOCAL' 則意味著從HDFS中加載。

關(guān)鍵詞 'OVERWRITE' 意味著當(dāng)前表中已經(jīng)存在的數(shù)據(jù)將會(huì)被刪除掉。

如果沒(méi)有給出 'OVERWRITE'，則意味著數(shù)據(jù)文件將追加到當(dāng)前的數(shù)據(jù)集中。

注意:

通過(guò)load命令加載的數(shù)據(jù)不會(huì)被校驗(yàn)正確性。

如果文件在HDFS上，他將會(huì)被移動(dòng)到hive所管理的文件系統(tǒng)的命名空間中

Hive目錄的根路徑是在hive-default.xml文件中的變量

hive.metastore.warehouse.dir

決定的。

我們建議用戶(hù)在使用Hive建表之前就創(chuàng)建好這個(gè)變量指定的目錄。

hive> LOAD DATA LOCAL INPATH './examples/files/kv2.txt' OVERWRITE INTO TABLE invites PARTITION (ds= '2008-08-15' );
hive> LOAD DATA LOCAL INPATH './examples/files/kv3.txt' OVERWRITE INTO TABLE invites PARTITION (ds= '2008-08-08' );

上面這兩個(gè) LOAD 語(yǔ)句，將加載不同的數(shù)據(jù)到invites表的分區(qū)(partition)中。invites表必須事先使用 ds 創(chuàng)建好partition。

hive> LOAD DATA INPATH '/user/myname/kv2.txt' OVERWRITE INTO TABLE invites PARTITION (ds= '2008-08-15' );

上述命令是將HDFS上的文件加載到表中。

注意從HDFS中加載數(shù)據(jù)，將會(huì)把數(shù)據(jù)移動(dòng)到目錄下。這幾乎是瞬間完成的。(注:因?yàn)橹皇窃贖DFS元數(shù)據(jù)中修改了文件路徑的指向。)

SQL 查詢(xún)

查詢(xún)示例

下面會(huì)演示一些查詢(xún)范例，在build/dist/examples/queries中可以找到。

更多的，可以在hive源碼中的 ql/src/test/queries/positive中可以找到。

SELECTS 和 FILTERS

hive> SELECT a.foo FROM invites a WHERE a.ds= '2008-08-15' ;

從invite表的字段 'foo' 中選擇所有分區(qū)ds=2008-08-15的結(jié)果。這些結(jié)果并不存儲(chǔ)在任何地方，只在控制臺(tái)中顯示。

注意：下面的示例中，INSERT (到hive表，本地目錄或者HDFS目錄) 是可選命令。

????hive> INSERT OVERWRITE DIRECTORY '/tmp/hdfs_out' SELECT a.* FROM invites a WHERE a.ds= '2008-08-15' ;

從invites表中選擇分區(qū) ds=2008-08-15 的所有行，并放入HDFS目錄中。結(jié)果數(shù)據(jù)在在/tmp/hdfs_out目錄中的文件(多個(gè)文件，文件數(shù)量取決于mapper的數(shù)量)。

存在分區(qū)的表在使用 WHERE 條件過(guò)濾的時(shí)候必須至少指定一個(gè)分區(qū)來(lái)查詢(xún)。

hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/local_out' SELECT a.* FROM pokes a;

選擇pokes表中所有的數(shù)據(jù)并放到一個(gè)本地(注:當(dāng)前服務(wù)器)的文件路徑中。

hive> INSERT OVERWRITE TABLE events SELECT a.* FROM profiles a;
hive> INSERT OVERWRITE TABLE events SELECT a.* FROM profiles a WHERE a. key < 100;
hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/reg_3' SELECT a.* FROM events a;
hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_4' select a.invites, a.pokes FROM profiles a;
hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_5' SELECT COUNT (*) FROM invites a WHERE a.ds= '2008-08-15' ;
hive> INSERT OVERWRITE DIRECTORY '/tmp/reg_5' SELECT a.foo, a.bar FROM invites a;
hive> INSERT OVERWRITE LOCAL DIRECTORY '/tmp/sum' SELECT SUM (a.pc) FROM pc1 a;

字段計(jì)算和，最大值，最小值同樣可以使用，注意不包含在 HIVE-287 中的Hive版本，你需要使用COUNT(1) 來(lái)代替 COUNT(*)

GROUP BY

hive> FROM invites a INSERT OVERWRITE TABLE events SELECT a.bar, count (*) WHERE a.foo > 0 GROUP BY a.bar;
hive> INSERT OVERWRITE TABLE events SELECT a.bar, count (*) FROM invites a WHERE a.foo > 0 GROUP BY a.bar;

注意不包含在 HIVE-287 中的Hive版本，你需要使用COUNT(1) 來(lái)代替 COUNT(*)

JOIN

hive> FROM pokes t1 JOIN invites t2 ON (t1.bar = t2.bar) INSERT OVERWRITE TABLE events SELECT t1.bar, t1.foo, t2.foo;

MULTITABLE INSERT(多重插入)

????FROM src
????INSERT OVERWRITE TABLE dest1 SELECT src.* WHERE src.key < 100
????INSERT OVERWRITE TABLE dest2 SELECT src.key, src.value WHERE src.key >= 100 and src.key < 200
????INSERT OVERWRITE TABLE dest3 PARTITION(ds='2008-04-08', hr='12') SELECT src.key WHERE src.key >= 200 and src.key < 300
????INSERT OVERWRITE LOCAL DIRECTORY '/tmp/dest4.out' SELECT src.value WHERE src.key >= 300;
STREAMING
????hive> FROM invites a INSERT OVERWRITE TABLE events SELECT TRANSFORM(a.foo, a.bar) AS (oof, rab) USING '/bin/cat' WHERE a.ds > '2008-08-09';

?

在map中使用腳本/bin/cat對(duì)數(shù)據(jù)的流式訪問(wèn)(就像使用hadoop的streaming)

同樣的 - 流式訪問(wèn)也可以使用在reduce階段。(請(qǐng)查看 Hive Tutorial 范例)

簡(jiǎn)單的使用范例

用戶(hù)對(duì)電影的投票統(tǒng)計(jì)

首先，創(chuàng)建一個(gè)使用tab分割的文本文件的表

CREATE TABLE u_data (
????????userid INT ,
????????movieid INT ,
????????rating INT ,
????????unixtime STRING)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE;

然后，下載這個(gè)數(shù)據(jù)文件

wget http://www.grouplens.org/system/files/ml-data.tar+0.gz

tar xvzf ml-data.tar+0.gz

將這個(gè)文件加載到剛剛創(chuàng)建的表中:

LOAD DATA LOCAL INPATH 'ml-data/u.data'? OVERWRITE INTO TABLE u_data;

計(jì)算表 u_data 中的總行數(shù):

SELECT COUNT (*) FROM u_data;

注意不包含在 HIVE-287 中的Hive版本，你需要使用COUNT(1) 來(lái)代替 COUNT(*)

現(xiàn)在，我們可以在表 u_data 中做一些復(fù)雜的數(shù)據(jù)分析

創(chuàng)建 weekday_mapper.py:

import sys
import datetime
for line in sys.stdin:
????line = line.strip()
????userid, movieid, rating, unixtime = line.split('\t')
????weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
????print '\t'.join([userid, movieid, rating, str(weekday)])

?

使用mapper腳本:

CREATE TABLE u_data_new (
????????userid INT ,
????????movieid INT ,
????????rating INT ,
????????weekday INT )
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t' ;
add FILE weekday_mapper.py;
INSERT OVERWRITE TABLE u_data_new
SELECT
????????TRANSFORM (userid, movieid, rating, unixtime)
????????USING 'python weekday_mapper.py'
???????? AS (userid, movieid, rating, weekday)
FROM u_data;
SELECT weekday, COUNT (*)
FROM u_data_new
GROUP BY weekday;

?

注意 0.5.0 及更早的的Hive版本，你需要使用COUNT(1) 來(lái)代替 COUNT(*)

Apache Web日志數(shù)據(jù)

Apache日志格式是可以自定義的，作為大多數(shù)網(wǎng)管來(lái)說(shuō)都是使用默認(rèn)設(shè)置。

我們可以給默認(rèn)的Apache日志創(chuàng)建一個(gè)如下的表

更多的關(guān)于正則序列化/反序列化(注: 原文!RegexSerDe) 可以在這里看到。

http://issues.apache.org/jira/browse/HIVE-662

add jar ../build/contrib/hive_contrib.jar;
CREATE TABLE apachelog (
????????host STRING,
????????identity STRING,
???????? user STRING,
????????time STRING,
????????request STRING,
????????status STRING,
???????? size STRING,
????????referer STRING,
????????agent STRING)
ROW FORMAT SERDE 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'
WITH SERDEPROPERTIES (
????????"input.regex" = "([^]*) ([^]*) ([^]*) (-|\\[^\\]*\\]) ([^ \"]*|\"[^\"]*\") (-|[0-9]*) (-|[0-9]*)(?: ([^ \"]*|\".*\") ([^ \"]*|\".*\"))?",
????????"output.format.string" = "%1$s %2$s %3$s %4$s %5$s %6$s %7$s %8$s %9$s"
)
STORED AS TEXTFILE;

?