我的数据如下:
(a,b,c)
(a,c,b)
(a,b,d)
DISTINCT之类的东西会产生如下的输出吗?
(a,b,c)
(a,b,d)
我想忽略顺序,只是比较元素。
答案 0 :(得分:0)
不是。你最好的选择是编写一个UDF,它将获取每一行,对字段进行排序并返回一个有序的字符串,然后在其上使用distinct。
<强> PIG 强>
REGISTER ORDER_UDF.jar;
A = LOAD 'data.txt' USING PigStorage(',') AS (a1: chararray, a2: chararray, a3: chararray);
B = FOREACH A GENERATE ORDER_UDF.ORDER(CONCAT(CONCAT(a1,a2),a3));
C = DISTINCT B;
D = FOREACH C GENERATE REPLACE($0,'',','); -- Get back the comma separated fields from the concatenated string.
DUMP D;
<强> UDF 强>
import java.io.IOException;
import java.util.Arrays;
import org.apache.pig.EvalFunc;
import org.apache.pig.data.Tuple;
public class ORDER extends EvalFunc<String>
{
public String exec(Tuple input) throws IOException {
if (input == null || input.size() == 0)
return null;
try{
char tempArray[] = ((String)input).toCharArray();
Arrays.sort(tempArray);
return new String(tempArray);
}catch(Exception e){
throw new IOException("Caught exception processing input row ", e);
}
}
}