0

请帮帮我..它真的很紧急..截止日期临近，我坚持了两周..打破了我的头，但没有结果。我是piglatin的新手。我有一个场景，我必须从 csv 文件中过滤数据。csv 在 hdfs 上，有两列。

grunt>> fl = load '/user/hduser/file.csv' USING PigStorage(',') AS (conv:chararray, clnt:chararray);
grunt>> dump f1;
("first~584544fddf~dssfdf","2001")
("first~4332990~fgdfs4s","2001")
("second~232434334~fgvfd4","1000")
("second~786765~dgbhgdf","1000)
("second~345643~gfdgd43","1000")

我需要做的是我只需要提取第一个'〜'符号之前的第一个单词并将其与csv文件的第二列值连接起来。我还需要对返回的连接结果进行分组并计算此类相似行的数量，并创建一个新的 csv 文件作为输出，其中将再次有 2 列。第一列是连接值，第二列是行数。IE

("first 2001","2")
("second 1000","3")

等等。

我已经在这里编写了代码，但它只是不起作用。我用过STRSPLIT。它正在拆分输入 csv 文件第一列的值。但我不知道如何提取第一个拆分值。代码如下：

convData = LOAD '/user/hduser/file.csv' USING PigStorage(',') AS (conv:chararray, clnt:chararray);

fil = FILTER convData BY conv != '"-1"'; --im using this to filter out the rows that has 1st column as "-1".

data = FOREACH fil GENERATE STRSPLIT($0, '~');

X = FOREACH data GENERATE CONCAT(data.$0,' ',convData.clnt);

Y = FOREACH X GROUP BY X;

Z = FOREACH Y GENERATE COUNT(Y);

var = FOREACH Z GENERATE CONCAT(Y,',',Z);

STORE var INTO '/user/hduser/output.csv' USING PigStorage(',');
4

1 回答 1

1

STRSPLIT返回一个元组，您可以使用编号语法访问其中的各个元素。这就是你需要的：

data = FOREACH fil GENERATE STRSPLIT($0, '~') AS a, clnt;
X = FOREACH data GENERATE CONCAT(a.$0,' ', clnt);
于 2013-04-04T16:25:00.090 回答