Question

我有以下数据（加载在变量A中）：

(a1:a2:a3|a4:a5:a6)
(b1:b2:b3)
(c1:c2:c3|c4:c5:c6|c7:c8:c9)

我希望我的最终输出如下：

(a1:a2:a3)
(a4:a5:a6)
(b1:b2:b3)
(c1:c2:c3)
(c4:c5:c6)
(c7:c8:c9)

这是我做的：

B = foreach B generate flatten(STRSPLIT($0, '\\|')) as splitted:chararray;

这将数据转换为：

(a1:a2:a3,a4:a5:a6)
(b1:b2:b3)
(c1:c2:c3,c4:c5:c6,c7:c8:c9)

具有以下结构：

B: {splitted: chararray}

然而，当我尝试将这个chararray扁平化为单独的元组时，它只会吐出第一个项目。我已经尝试了几种不同的方法来获得我想要的输出，但我总是得到第一项。以下是我尝试过的几件事：

req_output = foreach B generate flatten(STRSPLIT(splitted, ','));

req_output = foreach B generate flatten(TOBAG(*));

在这两种情况下，我都得到以下输出：

(a1:a2:a3)
(b1:b2:b3)
(c1:c2:c3)

我不确定为什么会这样。如何将所有项目作为不同的元组？我对猪没什么经验，所以任何帮助都会受到赞赏。

Answer 1

在relation B中，您只存储第一个项目（即splitted variable），这就是此问题的原因。你能从关系B中删除变量splitted吗？

B = foreach B generate flatten(STRSPLIT($0, '\\|')) as splitted:chararray;

以

B = foreach B generate flatten(STRSPLIT($0, '\\|'));

您可以通过多种方式解决此问题。

<强>输入

a1:a2:a3|a4:a5:a6 b1:b2:b3 c1:c2:c3|c4:c5:c6|c7:c8:c9

选项1：使用TOKENIZE

A = LOAD 'input' USING PigStorage() AS(line:chararray); B = FOREACH A GENERATE FLATTEN(TOKENIZE(line,'\\|')); DUMP B;

选项2：使用STRSPLIT + TOBAG

A = LOAD 'input' USING PigStorage() AS(line:chararray); B = FOREACH A GENERATE FLATTEN(STRSPLIT(line,'\\|')); C = FOREACH B GENERATE FLATTEN(TOBAG(*)); DUMP C;

选项3：使用STRSPLITTOBAG（仅限Pig版本0.14）

A = LOAD 'input' USING PigStorage() AS(line:chararray); B = FOREACH A GENERATE FLATTEN(STRSPLITTOBAG(line,'\\|')); DUMP B;

<强>输出：

(a1:a2:a3) (a4:a5:a6) (b1:b2:b3) (c1:c2:c3) (c4:c5:c6) (c7:c8:c9)

展平仅展开chararray

1 个答案: