Apache pig Pig UDF-将动态模式作为一组字段（而不是元组）返回

在GROUP BY+PLANTE之后，我有一个名称空间为的数据：

DESCRIBE users;
users: {user_id: int, group_id: int, registration_timestamp: int}

users_with_namespace = FOREACH (GROUP users BY group_id) {
    first_to_latest = ORDER users BY registration_timestamp ASC;
    first_user = LIMIT first_to_latest 1;
    GENERATE FLATTEN(first_user);
};

DESCRIBE users_with_namespace;
users_with_namespace: {first_user::user_id: int, first_user::group_id: int, first_user::registration_timestamp: int}

我希望能够做到以下几点：

users = myudf.strip_namespace(users_with_namespace);

或者（因为，这似乎不可能）：

结果是：

> DESCRIBE users;
users: {user_id: int, registration_timestamp: int}

我已经编写了一个Jython Pig UDF，它应该去掉任何名称空间的字段名，但我似乎无法从我的UDF返回一组字段。只有一个包/元组/单个字段是可能的，这给我留下了如下结果：

DESCRIBE users;
users: {t: (user_id: int, registration_timestamp: int)}

@outputSchemaFunction("tupleSchema")
def strip_namespace(input):
    return input


@schemaFunction("tupleSchema")
def tupleSchema(input):
    fields = []
    dt = []
    for i in input.getField(0).schema.getFields():
        for field in i.schema.getFields():
            fields.append(field.alias.split("::")[-1])
            dt.append(field.type)
    return SchemaUtil.newTupleSchema(fields, dt)

有没有办法省略“t”并返回字段列表/集合？我的UDF如下所示：

DESCRIBE users;
users: {t: (user_id: int, registration_timestamp: int)}

@outputSchemaFunction("tupleSchema")
def strip_namespace(input):
    return input


@schemaFunction("tupleSchema")
def tupleSchema(input):
    fields = []
    dt = []
    for i in input.getField(0).schema.getFields():
        for field in i.schema.getFields():
            fields.append(field.alias.split("::")[-1])
            dt.append(field.type)
    return SchemaUtil.newTupleSchema(fields, dt)

到目前为止，我已经使用了

FOREACH .. GENERATE namespace::field as field, ...

---

剥离名称空间，但这种方法对于具有许多字段的数据集来说确实很乏味。

不幸的是，您不能，至少现在不能。问题正是您所说的：现在您只能返回一个元组、一个包或单个字段。我在2个月前创建了一个允许返回此场景的多个字段，但还没有回复

我真的希望他们在将来实现这一点，因为当您必须执行许多连接时，您最终会得到比实际代码更多的

FOREACH

语句来重命名字段