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 ;
}