我的数据集如下所示:
( A, (1,2) )
( B, (2,9) )
我希望在Pig中“展开”元组,基本上是为了每个内部元组中找到的值重复每个记录,使期望的输出如下:
( A, 1 )
( A, 2 )
( B, 2 )
( B, 9 )
我知道当元组(1,2)和(2,9)是袋子时,这是可能的。
我的数据集如下所示:
( A, (1,2) )
( B, (2,9) )
( A, 1 )
( A, 2 )
( B, 2 )
( B, 9 )
您的见解很好,可以通过将元组转换为包来实现。 我们想要达到的架构是:{a:chararray,{(chararray)}},例如:(A,{(1),(2)})
以下是您问题的解决方案:
A = LOAD 'data.txt' AS (a:chararray,b:(b1:chararray,b2:chararray));
B = FOREACH A GENERATE a, TOBAG(b.b1,b.b2);
C = FOREACH B GENERATE a, FLATTEN($1);
我知道这是一个旧的帖子,但我无法让上述方法起作用。想和大家分享我的发现。
input: (1-2-3, abc)
(4-5-6, xyz)
desired output:
(1, abc)
(2, abc)
(3, abc)
(4, xyz)
(5, xyz)
(6, xyz)
最初,我使用了STRSPLIT生成一个元组,结果与上述输入类似,但是没有成功。
output = FOREACH input GENERATE FLATTEN(TOBAG(STRSPLIT($0, '-'))), $1
这导致输出为:
(1,2,3,abc)
(4,5,6,xyz)
然而,当我使用tokenize和replace函数时,我得到了期望的输出。
output = FOREACH input GENERATE FLATTEN(TOKENIZE(REPLACE($0,'-', ' '))), $1;
DataBag bag = BagFactory.getInstance().newDefaultBag(); for (int i = 0; i< inputTuple.size(); i++) { bag.add(TupleFactory.getInstance().newTuple(inputTuple.get(0))); } return bag;
- hobgoblinTOKENIZE
!(https://pig.apache.org/docs/latest/func.html#tokenize) - Elastic Lamb