Apache pig 我如何阅读猪的袋子清单？

我如何阅读猪的袋子清单

我试过：

grunt> cat sample.txt
{a,b},{},{c,d}
grunt> data = LOAD 'sample.txt' AS (a:bag{}, b:bag{}, c:bag{});
grunt> DUMP data
({},,)

---

将数据读入Pig的默认方法是

PigStorage（'\t'）

——也就是说，它假定数据是以制表符分隔的。你的是逗号分隔的。因此，您应该使用PigStorage（'，'）编写

加载'sample.txt'，作为…

但是，您的数据格式不正确。记住，包是元组的集合。如果无法预处理输入，则必须编写UDF来解析给定表单的输入。所以这应该是可行的：

出了什么问题？输入字段分隔符（

，

）与行李记录分隔符相同这一事实令人困惑。它将您的输入解析到字段

{（a）

，

（b）}

和

{}

，这就是为什么只有第三个字段是一个包。这就是为什么您会看到一条警告消息，如

遇到警告字段\u丢弃\u类型\u转换\u失败2次

如果可以，请尝试使用制表符或空格（或分号或…）而不是逗号：

grunt> cat tmp/data.txt                                                                
{(a),(b)}       {}      {(c),(d)}
grunt> data = LOAD 'tmp/data.txt' AS (a:bag{}, b:bag{}, c:bag{});                      
grunt> DUMP data;
({(a),(b)},{},{(c),(d)})

grunt> cat tmp/data.txt                                                                
{(a),(b)}       {}      {(c),(d)}
grunt> data = LOAD 'tmp/data.txt' AS (a:bag{}, b:bag{}, c:bag{});                      
grunt> DUMP data;
({(a),(b)},{},{(c),(d)})