2

让我解释一下这个问题。我有这行代码:

u = FOREACH persons GENERATE FLATTEN($0#'experiences') as j;
dump u;

产生这个输出:

([id#1,date_begin#12 2012,description#blabla,date_end#04 2013],[id#2,date_begin#02 2011,description#blabla2,date_end#04 2013])
([id#1,date_begin#12 2011,description#blabla3,date_end#04 2012],[id#2,date_begin#02 2010,description#blabla4,date_end#04 2011])

然后,当我这样做时:

p = foreach u generate j#'id', j#'description';
dump p;

我有这个输出:

(1,blabla)
(1,blabla3)

但这不是我想要的。我想要这样的输出:

(1,blabla)
(2,blabla2)
(1,blabla3)
(2,blabla4)

我怎么会有这个?

非常感谢。

4

1 回答 1

3

我假设您正在输入的 $0FLATTENu一个元组。

总体问题是j仅引用元组中的第一个映射。为了得到你想要的输出,你必须将每个元组转换成一个包,然后FLATTEN是它。

如果您知道每个元组最多有两个映射,您可以这样做:

-- My B is your u
B = FOREACH A GENERATE (tuple(map[],map[]))$0#'experiences' AS T ;
B2 = FOREACH B GENERATE FLATTEN(TOBAG(T.$0, T.$1)) AS j ;

C = foreach B2 generate j#'id', j#'description' ;

如果您不知道元组中有多少字段,那么这将更加困难。


注意:这适用于猪 0.10。

对于具有未定义数量的映射的元组,我能想到的最佳答案是使用 UDF 来解析字节数组:

myudf.py

@outputSchema('vals: {(val:map[])}')
def foo(the_input):
    # This converts the indeterminate number of maps into a bag.
    foo = [chr(i) for i in the_input]
    foo = ''.join(foo).strip('()')
    out = []
    for f in foo.split('],['):
        f = f.strip('[]')
        out.append(dict((k, v) for k, v in [ i.split('#') for i in f.split(',')]))
    return out

我的脚本.pig

register 'myudf.py' using jython as myudf ;
B = FOREACH A GENERATE FLATTEN($0#'experiences') ;

T1 = FOREACH B GENERATE FLATTEN(myudf.foo($0)) AS M ;
T2 = FOREACH T1 GENERATE M#'id', M#'description' ;

但是,这依赖于这样一个事实,即#,],[不会出现在映射的任何键或值中。


注意:这适用于猪 0.11。

因此,在这种情况下,pig 如何处理 python UDF 的输入似乎发生了变化。bytearray 不是 bytearray 的输入foo,而是自动转换为适当的类型。在这种情况下,它使一切变得更加容易:

myudf.py

@outputSchema('vals: {(val:map[])}')
def foo(the_input):
    # This converts the indeterminate number of maps into a bag.
    out = []
    for map in the_input:
        out.append(map)
    return out

我的脚本.pig

register 'myudf.py' using jython as myudf ;

# This time you should pass in the entire tuple.
B = FOREACH A GENERATE $0#'experiences' ;

T1 = FOREACH B GENERATE FLATTEN(myudf.foo($0)) AS M ;
T2 = FOREACH T1 GENERATE M#'id', M#'description' ;
于 2013-08-12T18:45:47.450 回答