如何从PIG中生成的包（其大小可能不同）中提取第一个元组？

Question

我正在生成一个“包”信息，其大小（包内的元组数）可能会有所不同。从这里，我想动态提取第一个元素。我该怎么做？

Answer 1

使用DataFu UDF：FirstTupleFromBag（http://datafu.incubator.apache.org/docs/datafu/1.2.0/datafu/pig/bags/FirstTupleFromBag.html）

Answer 2

根据the docs，一个包是元组和

的集合

  

行取消引用可以通过名称（bag.field_name）或位置（行李。$ 0）来完成。如果取消引用一组字段（bag。（name1，name2）或bag。（$ 0，$ 1）），则表达式表示由指定字段组成的包。

但要小心，b.$0并没有给你第一个元组，因为袋子没有订购！你将获得组成元组的第一个元素。

您需要将包转换为有序结构，或者更好，使用UDF。你也应该不接受这个答案（所以我可以删除它）并接受Guarev，而是有一个UDF的链接。

Answer 3

如果包中的元组的排序对于获得＆＃34;第一个＆＃34;一个（当然是！）然后你可以做类似下面的事情，在https://community.hortonworks.com/questions/22863/cant-we-filter-the-data-which-we-have-done-in-37-s.html#answer-22995更详细地解释。

max_runs = FOREACH grp_data {
    inner_sorted = ORDER runs BY runs DESC;
    first_row = LIMIT inner_sorted 1;
    GENERATE first_row AS most_hits;
}