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。
答案 0 :(得分: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。