# Dépôt de données — Big Data M2 (ULCO)

Données *Trip Record* de la NYC Taxi & Limousine Commission, année 2022, copiées depuis la source officielle
(https://www.nyc.gov/site/tlc/about/tlc-trip-record-data.page). Données publiques.

## Contenu

| Dossier | Contenu | Fichiers | Lignes | Taille |
|---|---|---|---|---|
| `tlc/2022/yellow/` | Taxis jaunes, Parquet, un fichier par mois | 12 | 39 656 098 | 587 Mo |
| `tlc/2022/green/`  | Taxis verts, Parquet, un fichier par mois | 12 | 840 402 | 17 Mo |
| `tlc/2022/fhvhv/`  | VTC (*High Volume FHV*), Parquet, un fichier par mois | 12 | 212 416 083 | 5,1 Go |
| `tlc/2022/csv/`    | Septembre 2022 des trois jeux, en CSV | 3 | — | 3,2 Go |
| `tlc/reference/`   | Table des zones (`taxi_zone_lookup.csv`) et leur géométrie (`taxi_zones.zip`) | 2 | — | 1 Mo |

Le fichier `SHA256SUMS` donne l'empreinte de chaque fichier.

## Télécharger et vérifier

```bash
curl -O https://data.nordoc.info/tlc/2022/yellow/yellow_tripdata_2022-09.parquet
curl -O https://data.nordoc.info/SHA256SUMS
sed 's#^\([0-9a-f]*\)  .*/#\1  #' SHA256SUMS | sha256sum --check --ignore-missing
```

## Lire à distance, sans télécharger (DuckDB)

```sql
SELECT count(*) FROM 'https://data.nordoc.info/tlc/2022/yellow/yellow_tripdata_2022-09.parquet';
```

DuckDB ne lit que les morceaux du fichier dont la requête a besoin (requêtes HTTP partielles).