0

我对 UDF pig latin 有疑问。我正在尝试实现一个系统，该系统必须验证存储在本地的矩阵和存储在 hadoop 存储库中的一组矩阵之间是否存在“映射”。对于映射，我的意思是如果在 hadoop 中存在一个存储矩阵的行和列的排列，它将矩阵中的矩阵转换为等于本地存储的矩阵。因为矩阵可以有数百个元素，所以我想在 hadoop 上执行映射算法以使用并行性。我一直在寻找 UDF pig latin，但我不明白如何将本地矩阵“发送”到 UDF 函数。

public class Mapping extends EvalFunc<String>
 {
private int[][] matrixToMap; //The local matrix i want to map

public String exec(Tuple input) throws IOException { //Here the tuple are the matrix stored in hadoop
  if (input == null || input.size() == 0)
      return null;
  try{
       //HERE THE CODE FOR THE MAPPING
  }

     }
   }

}

考虑到我将使用此代码，我遇到的问题是如何初始化属性 matrixToMap：

REGISTER /Users/myudfs.jar;  
//SOME CODE TO INITIALIZE ATTRIBUTE matrixToMap
records = LOAD 'Sample7.txt' //the matrix stored in hadoop
B = FOREACH records GENERATE myudfs.mapping(records);

考虑在 java 程序中调用 pig 脚本，并且本地矩阵存储在 java 矩阵中。所以java程序看起来像：

int [][] localMatrix;
pigServer.registerJar("/Users/myudfs.jar");
//Some code to make Mapping.matrixToMap = localMatrix
pigServer.registerQuery("records = LOAD 'Sample7.txt';");
pigServer.registerQuery("B = FOREACH records GENERATE myudfs.Mapping(formula);");

你有什么主意吗？谢谢

4

1 回答 1

0

您可以在 UDF 的构造函数中初始化类变量：

public class Mapping extends EvalFunc<String>
{
  private int[][] matrixToMap; //The local matrix i want to map

  public Mapping(String filename) {
    // Code to populate matrixToMap from the data in filename
  }

  public String exec(Tuple input) throws IOException { //Here the tuple are the matrix stored in hadoop
    if (input == null || input.size() == 0)
      return null;
    try{
       //HERE THE CODE FOR THE MAPPING
    }

   }
 }

在您的脚本中，使用以下行：

DEFINE Mapping myudfs.Mapping('/path/to/matrix/on/HDFS');

使用这种方法，您的矩阵必须存储在 HDFS 上，以便正在初始化并调用构造函数的映射器或化简器可以访问数据。

于 2013-09-24T14:10:26.323 回答