Question

我正在尝试运行一个嵌入式Pig脚本（嵌入在Python中），我需要获取脚本的输出/结果并将其作为输入反馈到脚本中。我确信有一种简单的方法可以做到这一点，但所有的例子看起来都过于简单，并且正在使用一个列示例。

我的输入如下： networkMap.csv：

NodeH,4,-0.4
NodeH,5,0.2
NodeO,6,0.1
Link,W_1_4,0.2,1,4
Link,W_1_5,-0.3,1,5
Link,W_2_4,0.4,2,4
Link,W_2_5,0.1,2,5
Link,W_3_4,-0.5,3,4
Link,W_3_5,-0.2,3,5
Link,W_4_6,-0.3,4,6
Link,W_5_6,-0.2,5,6
LR,LR,0.9
Target,Target,1

让我们举一个非常简单的例子来说明我想要做的事情，将所有应用程序逻辑分解为只关注输入/输出问题：

#!/usr/bin/python

from org.apache.pig.scripting import *

P = Pig.compile("""
A = LOAD '$input' using PigStorage(',') AS (type:chararray, name:chararray, val:double,iName:chararray,jName:chararray);

STORE A INTO '$outFile' USING PigStorage (',');
""")
params = { 'input': 'networkMap.csv'}
for i in range(2):
    outDir = "out_" + str(i + 1)
    inputString = ""
    params["outFile"] = "out_" + str(i + 1)
    bound = P.bind(params)
    stats = bound.runSingle()
    if not stats.isSuccessful():
        raise 'failed'
    params["input"] = stats.result("Output1")

我希望我可以说输入=输出，但这不起作用。我也试过了：

input = "";
iter = stats.result("A").iterator() 
while iter.hasNext():
    tuple = iter.next()
    input = input + "(" +tuple.toDelimitedString(",") + ")"
params["input"] = input

这确实将输出推回到输入中，但是LOAD功能无法读取它。因为它看起来像一个大的记录 -

A = LOAD '(NodeI,1,1.0,,)(NodeI,2,0.0,,)(NodeI,3,1.0,,)(NodeH,4,-0.4,,)(NodeH,5,0.2,,)(NodeO,6,0.1,,)(Link,W_1_4,0.2,1,4)(Link,W_1_5,-0.3,1,5)(Link,W_2_4,0.4,2,4)(Link,W_2_5,0.1,2,5)(Link,W_3_4,-0.5,3,4)(Link,W_3_5,-0.2,3,5)(Link,W_4_6,-0.3,4,6)(Link,W_5_6,-0.2,5,6)(LR,LR,0.9,,)(Target,Target,1.0,,)' using PigStorage(',') AS (type:chararray, name:chararray, val:double,iName:chararray,jName:chararray);

我确信我错过了一些简单的方法。

Answer 1

快速回答：更改

params["input"] = stats.result("Output1")

到

params["input"] = params["outFile"]

说明：请记住，您的params数组用于Pig脚本中的参数替换。这就是为什么你的下一个LOAD语句看起来像它的方式。您获取了上一次运行的输出并说“获取这些结果，将它们放入一个字符串中，然后将此字符串解释为输入数据的文件名”。

你快到了。你的params字典中有两个元素：input和outFile。您的脚本从输入和存储加载到outFile。因此，在运行脚本后，设置input = outFile。然后你的下一次迭代将从outFile加载。请务必指定新的outFile，否则您将无法存储，因为该目录已存在。

编译猪移动输出到输入

1 个答案: