8

我是 Pig 的新手,我想将一袋元组转换为一个映射,每个元组中的特定值作为键。基本上我想改变:

{(id1, value1),(id2, value2), ...}进入[id1#value1, id2#value2]

我在网上找了一段时间,但似乎找不到解决方案。我试过了:

bigQMap = FOREACH bigQFields GENERATE TOMAP(queryId, queryStart);

但我最终得到了一袋地图(例如{[id1#value1], [id2#value2], ...}),这不是我想要的。如何从一袋键值元组中构建地图?

以下是我尝试运行的特定脚本,以防相关

rawlines = LOAD '...' USING PigStorage('`');
bigQFields = FOREACH bigQLogs GENERATE GFV(*,'queryId')
   as queryId, GFV(*, 'queryStart')
   as queryStart;
bigQMap = ?? how to make a map with queryId as key and queryStart as value ?? ;
4

2 回答 2

11

TOMAP接受一系列对并将它们转换为地图,因此它的用途如下:

-- Schema: A:{foo:chararray, bar:int, bing:chararray, bang:int}
-- Data:     (John,          27,      Joe,            30)
B = FOREACH A GENERATE TOMAP(foo, bar, bing, bang) AS m ;
-- Schema: B:{m: map[]}
-- Data:     (John#27,Joe#30)

如您所见,语法不支持将包转换为地图。据我所知,没有办法将包转换为您必须在纯猪中映射的格式。但是,您可以明确地编写一个java UDF来执行此操作。

注意:我对 java 不太熟悉,所以这个 UDF 可以很容易地改进(添加异常处理,如果一个键添加两次会发生什么等)。但是,它确实可以完成您需要的工作。

package myudfs;
import java.io.IOException;
import org.apache.pig.EvalFunc;

import java.util.Map;
import java.util.HashMap;
import java.util.Iterator;
import org.apache.pig.data.Tuple;
import org.apache.pig.data.DataBag;

public class ConvertToMap extends EvalFunc<Map>
{
    public Map exec(Tuple input) throws IOException {
        DataBag values = (DataBag)input.get(0);
        Map<Object, Object> m = new HashMap<Object, Object>();
        for (Iterator<Tuple> it = values.iterator(); it.hasNext();) {
            Tuple t = it.next();
            m.put(t.get(0), t.get(1));
        }
        return m;
    }
}

将脚本编译到 jar 中后,可以像这样使用它:

REGISTER myudfs.jar ;
-- A is loading some sample data I made
A = LOAD 'foo.in' AS (foo:{T:(id:chararray, value:chararray)}) ;
B = FOREACH A GENERATE myudfs.ConvertToMap(foo) AS bar;

内容foo.in

{(open,apache),(apache,hadoop)}
{(foo,bar),(bar,foo),(open,what)}

输出B

([open#apache,apache#hadoop])
([bar#foo,open#what,foo#bar])

另一种方法是使用python 创建 UDF

myudfs.py

#!/usr/bin/python

@outputSchema("foo:map[]")
def BagtoMap(bag):
    d = {}
    for key, value in bag:
        d[key] = value
    return d

这是这样使用的:

Register 'myudfs.py' using jython as myfuncs;
-- A is still just loading some of my test data
A = LOAD 'foo.in' AS (foo:{T:(key:chararray, value:chararray)}) ;
B = FOREACH A GENERATE myfuncs.BagtoMap(foo) ;

并产生与 Java UDF 相同的输出。


奖励: 由于我不太喜欢地图, 这里有一个链接,解释了如何仅使用键值对来复制地图的功能。由于您的键值对在一个包中,因此您需要在嵌套中执行类似地图的操作FOREACH

-- A is a schema that contains kv_pairs, a bag in the form {(id, value)}
B = FOREACH A {
    temp = FOREACH kv_pairs GENERATE (key=='foo'?value:NULL) ;
    -- Output is like: ({(),(thevalue),(),()})

    -- MAX will pull the maximum value from the filtered bag, which is 
    -- value (the chararray) if the key matched. Otherwise it will return NULL.
    GENERATE MAX(temp) as kv_pairs_filtered ;
}
于 2013-07-25T08:23:17.467 回答
1

我遇到了同样的情况,所以我提交了一个刚刚被接受的补丁:https ://issues.apache.org/jira/browse/PIG-4638

这意味着您想要的是从 pig 0.16 开始的核心部分。

于 2015-08-05T20:54:58.237 回答