我正在尝试删除任何字段中至少包含一个 null 的记录。例如,如果数据有 3 个字段,则:
filtered = FILTER data by ($0 is not null) AND ($1 is not null) AND ($2 is not null)
有没有更简洁的方法可以做到这一点,而不必写出 3 个布尔表达式?
我正在尝试删除任何字段中至少包含一个 null 的记录。例如,如果数据有 3 个字段,则:
filtered = FILTER data by ($0 is not null) AND ($1 is not null) AND ($2 is not null)
有没有更简洁的方法可以做到这一点,而不必写出 3 个布尔表达式?
如果所有字段都是数字类型,您可以简单地执行类似的操作
filtered = FILTER data BY $0*$1*$2 is not null;
在 Pig 中,如果算术表达式中的任何项为空,则结果为空。
您还可以编写一个 UDF 来获取任意数量的参数,并在任何参数为 null 时返回 null(或 0,或 false,只要您认为最方便)。
filtered = FILTER data BY NUMBER_OF_NULLS($0, $1, $2) == 0;
其中 NUMBER_OF_NULLS 在别处定义,例如
public class NUMBER_OF_NULLS extends EvalFunc {
public Integer exec(Tuple input) {
if (input == null) { return 0; }
int c = 0;
for (int i = 0; i < input.size(); i++) {
if (input.get(i) == null) c++;
}
return c;
}
}
注意:我没有测试过上面的 UDF,我并不声称它遵循任何编写清晰、健壮的 UDF 的最佳实践。例如,您应该添加异常处理代码。
我在想有一种更好的方法可以在不使用 UDF 的情况下执行此操作,即在 Pig 中使用 SPLIT。
emp = load '/Batch1/pig/emp' using PigStorage(',') as (id:chararray, name:chararray, salary:int, dept:chararray);
SPLIT emp INTO emptyDept IF depart == '', nonemptyDept IF depart != '';
DUMP nonemptyDept;
生成的关系 nonemptyDept
将显示 emp 关系的所有非空 Department 值。