Hadoop 减去一行';Pig中另一行的s值
我正在尝试使用Pig开发一个示例程序来分析一些日志文件。我想分析不同作业的运行时间。当我读取作业的日志文件时,我会得到作业的开始时间和结束时间,如下所示:Hadoop 减去一行';Pig中另一行的s值,hadoop,apache-pig,Hadoop,Apache Pig,我正在尝试使用Pig开发一个示例程序来分析一些日志文件。我想分析不同作业的运行时间。当我读取作业的日志文件时,我会得到作业的开始时间和结束时间,如下所示: (Wed,03/20/13,01:03:37,EDT) (Wed,03/20/13,01:05:00,EDT) 现在,为了计算经过的时间,我需要减去这两个时间戳,但是由于这两个时间戳在同一个包中,我不确定如何比较它们。所以我想知道如何做到这一点。谢谢 两个日志行中的作业是否都有唯一的ID?还有什么东西可以指示哪个事件是开始,哪个是结束 如果
(Wed,03/20/13,01:03:37,EDT)
(Wed,03/20/13,01:05:00,EDT)
现在,为了计算经过的时间,我需要减去这两个时间戳,但是由于这两个时间戳在同一个包中,我不确定如何比较它们。所以我想知道如何做到这一点。谢谢 两个日志行中的作业是否都有唯一的ID?还有什么东西可以指示哪个事件是开始,哪个是结束 如果是这样,您可以读取数据集两次,一次读取开始事件,一次读取结束事件,然后将两者连接在一起。然后您将有一个记录,其中包含两个事件 因此:
看起来此人也有同样的问题:
A = FOREACH logline GENERATE id, type, timestamp;
START = FILTER A BY (type == 'start');
END = FILTER A BY (type == 'end');
JOINED = JOIN START by ID, END by ID;
DIFF = FOREACH JOINED GENERATE (START.timestamp - END.timestamp); // or whatever;