5

我有一个数据如下：

(000001, mfp=621|mdus=4.0|mduc=5.0|mas=1|mpc=4.0|mfn=1|country=ABC)
(00002, address=1000+mity|mus=1|name=kailtig+bksyt|mas=1|mpc=4.977552|country=ABC)

这些字段是标识符和属性集。

我正在尝试填充数据中的所有属性并对它们进行一些操作。

所以，我准备了我的脚本如下：

A = load 'myData.txt' using PigStorage(',') as (ID, ATTRIBUTES);
B = foreach A generate FLATTEN(STRSPLIT(ATTRIBUTES, '\\|')) ;
C = foreach B generate FLATTEN(TOBAG(*));
Dump C;

()
( mfp=621)
(mdus=4.0)
(mduc=5.0)
(mas=1)
(mpc=4.0)
(mfn=1)
(country=ABC))
( address=1000+mity)
(mus=1)
(name=kailtig+bksyt)
(mpc=4.977552)

到目前为止，它工作正常。但是，问题从这里开始。

当我尝试对这些属性进行一些操作时，例如将 'm' 替换为 'market'

D = foreach C generate REPLACE($0,'m','market');

给我一个错误如下：

 Could not infer the matching function for org.apache.pig.builtin.REPLACE as 
 multiple or none of them fit. Please use an explicit cast.

当我尝试将 bytearray 转换为 chararray

D = foreach C generate (chararray)$0;

给我错误：

 ERROR org.apache.pig.tools.grunt.Grunt - ERROR 1052:
 <line 4, column 24> Cannot cast bytearray to chararray

但是，以下链接http://pig.apache.org/docs/r0.11.1/basic.html#cast说 piglatin 支持从 bytearray 转换为 chararray。

我怎么解决这个问题。请帮忙。

谢谢。

4

3 回答 3

2

我不确定您是否 100% 需要使用字节数组，但如果不是，您可以使用： 

A = LOAD 'myData.txt' USING PigStorage(',') AS (id, attrs) ; 
B = FOREACH A GENERATE FLATTEN(TOKENIZE(attrs, '|')) AS attr:chararray ;
-- Now that the data is loaded as chararrays REPLACE will work 
C = FOREACH B GENERATE REPLACE(attr,'m','market') AS attrchanged ;

因此，当 attrs 被拆分和展平时，它将另外转换为 chararray。通常，您可能希望提前使用模式声明类型。

每个步骤的模式和输出如下：

A: {id: bytearray,attrs: bytearray}
((000001, mfp=621|mdus=4.0|mduc=5.0|mas=1|mpc=4.0|mfn=1|country=ABC))
((00002, address=1000+mity|mus=1|name=kailtig+bksyt|mas=1|mpc=4.977552|country=ABC))
B: {attr: chararray}
( mfp=621)
(mdus=4.0)
(mduc=5.0)
(mas=1)
(mpc=4.0)
(mfn=1)
(country=ABC))
( address=1000+mity)
(mus=1)
(name=kailtig+bksyt)
(mas=1)
(mpc=4.977552)
(country=ABC))
C: {attrchanged: chararray}
( marketfp=621)
(marketdus=4.0)
(marketduc=5.0)
(marketas=1)
(marketpc=4.0)
(marketfn=1)
(country=ABC))
( address=1000+marketity)
(marketus=1)
(namarkete=kailtig+bksyt)
(marketas=1)
(marketpc=4.977552)
(country=ABC))
于 2013-06-28T20:43:06.780 回答
2

对于原来的问题：

由于输入行具有不同数量的元素

(000001, mfp=621|mdus=4.0|mduc=5.0|mas=1|mpc=4.0|mfn=1|country=ABC)
(00002, address=1000+mity|mus=1|name=kailtig+bksyt|mas=1|mpc=4.977552|country=ABC)

当你像这样转换它时

A = load 'myData.txt' using PigStorage(',') as (ID, ATTRIBUTES);
B = foreach A generate FLATTEN(STRSPLIT(ATTRIBUTES, '\\|')) ;
C = foreach B generate FLATTEN(TOBAG(*));

那么，据我目前的理解，如果你采取

DESCRIBE B;

它应该返回“未知 B 的架构”。

这是由于此时您有两行具有不同列数的事实引起的。如果你现在用 describe 查看 C，它可能会给出 {NULL}。手册说未知模式实际上被视为 bytearray 但似乎无法转换为 chararray 和

D = FOREACH C GENERATE (chararray)$0

给出“不能将 bytearray 转换为 chararray”。稍有不同的反应来自

D = FOREACH C GENERATE $0 as foo:chararray

给出“错误 1031：不兼容的字段架构：声明为“C：chararray”，推断为“：NULL””

这是我对在我的数据和猪 0.11.1 尝试类似事情时发生的事情的理解。但这并不能真正解决问题。我希望唯一的解决方案是不要将其存储到光盘并再次读入。

于 2014-07-18T12:11:04.210 回答
0

当您 DESCRIBE B 并且它返回“架构未知”或任何列作为 NULL 时，这意味着架构或数据类型未定义。它给出了问题，因为 bytearray 的 CAST 有问题。因此，使用 STORE 创建文件并使用模式再次加载可以解决此问题。是的开销！

于 2014-10-16T11:59:31.977 回答