Hadoop 从包中提取元组

我有一个元组袋的关系，看起来像这样。袋子里的元组是预购的

{（美国12313833457523,1）、（美国12313833457543,2）、（美国12313833457553,3）}

{（英国，45613331347623,1）、（英国，45613331347643,2）、（英国，45613331347653,3）}

{（789138331347723,1，英国），（789138331347743,2，英国），（789138331347753,3，英国）

其中元组是：

（id:chararray，time:long，event:chararray，location，chararray）

我想得到每个包的第一个元素。因此，我的预期输出是：

（美国1231383331347523,1）
（英国456138331347623,1）
（789138331347723,1，英国）

我试过这个：

data = load 'mydata.txt' USING  PigStorage('\t');
A = FOREACH data GENERATE $0;

dump A;

它产生了和我最初一样的数据包列表

或者，尝试仅提取ID

data = load 'mydata.txt' USING  PigStorage('\t');
A = FOREACH data GENERATE $0.$0;

dump A;

我期望：

（123）
(456)
（789）

但我明白了

{（123）、（123）、（123）}
{(456),(456),(456)}
{（789）、（789）、（789）}

---

如何调整脚本以获取所需的数据。

在嵌套的foreach中使用

限制

：

A = FOREACH data { first = LIMIT $0 1; GENERATE FLATTEN(first); }

A = FOREACH data { ord = ORDER $0 BY $1; first = LIMIT ord 1; GENERATE FLATTEN(first); }

您不能指望您的包中的元组被排序，因为根据定义，包是无序的。但是，您也可以在嵌套的foreach中按下订单：

A = FOREACH data { first = LIMIT $0 1; GENERATE FLATTEN(first); }

A = FOREACH data { ord = ORDER $0 BY $1; first = LIMIT ord 1; GENERATE FLATTEN(first); }

我发现，如果将它们拆分为多行，则更易于阅读：

A =
    FOREACH data {
        ord = ORDER $0 BY $1;
        first = LIMIT ord 1;
    GENERATE
        FLATTEN(first);
    };

我假设袋子是按每个元组的第二个字段排序的（

$1

）