Apache pig 用pig拉丁语选择行
我有如下数据:Apache pig 用pig拉丁语选择行,apache-pig,Apache Pig,我有如下数据: (a,b,c) (a,c,b) (a,b,d) 是否有类似DISTINCT的东西会产生如下输出 (a,b,c) (a,b,d) 我想忽略顺序,只比较元素。否。您最好的选择是编写一个UDF,它将接受每一行,对字段进行排序并返回一个有序字符串,然后对其使用distinct 猪 自由民主党 考虑到值得考虑,我建议读取数据并将其转换为包,对包进行排序并选择不同的数据 猪字: REGISTER ORDER_UDF.jar; A = LOAD 'data.txt' USING PigSt
(a,b,c)
(a,c,b)
(a,b,d)
是否有类似DISTINCT的东西会产生如下输出
(a,b,c)
(a,b,d)
我想忽略顺序,只比较元素。否。您最好的选择是编写一个UDF,它将接受每一行,对字段进行排序并返回一个有序字符串,然后对其使用distinct 猪 自由民主党
考虑到值得考虑,我建议读取数据并将其转换为包,对包进行排序并选择不同的数据 猪字:
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;
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);
}
}
}
inp_data = load 'input.csv' USING PigStorage(',') AS (field1:chararray,field2:chararray,field3:chararray);
req_data = FOREACH inp_data GENERATE TOBAG(field1,field2,field3) AS (b:bag{t:(token:chararray)});
sorted_data = FOREACH req_data {
sorted = ORDER b BY token;
GENERATE sorted AS (sorted_bag:bag{t:(token:chararray)});
}
req_data_fmt = DISTINCT(FOREACH sorted_data GENERATE BagToString(sorted_bag,','));
DUMP req_data_fmt;