1

我有一个具有不同架构的 JSON 文件。

{"asin":"xxxxxx", "title":"xxxsomething"}
{"asin":"yyyyy"}
{"asin":"zzzzzz", "title":"zzzsomething"}

为此，我编写了一个 pig 脚本，该脚本利用twitter 的大象鸟库来加载 JSON 数据并将其转换为制表符分隔的文件。

但是，如果输入 JSON 文件中的一行缺少“title”键（上例中的第 2 行），则 tvs 文件也没有任何内容可以代替它，例如：

xxxxxx  xxxsomething
yyyyyy  
zzzzzz  zzzsomething

如果缺少特定键，我想提供自定义默认值。如何使用 PigLatin 做到这一点？

预期输出：

xxxxxx  xxxsomething
yyyyyy  default_string
zzzzzz  zzzsomething

这是我的脚本：

REGISTER elephant-bird-elephant-bird-4.13/pig/target/elephant-bird-pig-4.13.jar;
REGISTER elephant-bird-elephant-bird-4.13/hadoop-compat/target/elephant-bird-hadoop-compat-4.13.jar;
REGISTER elephant-bird-elephant-bird-4.13/core/target/elephant-bird-core-4.13-thrift9.jar;

reviews = load '../data/Amazon/meta_Amazon_Instant_Video.json'
          using com.twitter.elephantbird.pig.load.JsonLoader();

tabs = FOREACH reviews generate (chararray)$0#'asin' as asin_new, (chararray)$0#'title';

A = ORDER tabs BY asin_new;
DESCRIBE A;

STORE A INTO 'hdfs://localhost:9000/meta_Amazon_Instant_Video.tsv';
4

1 回答 1

0

您可以简单地为此编写一个 UDF 并设置条件，如果其中任何一个为空，则传递默认字符串。

于 2016-02-27T19:43:29.073 回答