Pig-Join不'；行不通

我有一个加入猪的问题。我先给你讲讲上下文。这是我的密码：

-- START file loading
start_file = LOAD 'dir/start_file.csv' USING PigStorage(';') as (PARTRANGE:chararray,     COD_IPUSER:chararray);

-- trim
A = FOREACH start_file GENERATE TRIM(PARTRANGE) AS PARTRANGE, TRIM(COD_IPUSER) AS COD_IPUSER;

dump A;

它给出了输出：

(79.92.147.88,20140310)
(79.92.147.88,20140310)
(109.31.67.3,20140310)
(109.31.67.3,20140310)
(109.7.229.143,20140310)
(109.8.114.133,20140310)
(77.198.79.99,20140310)
(77.200.174.171,20140310)
(77.200.174.171,20140310)
(109.17.117.212,20140310)

正在加载另一个文件：

-- Chargement du fichier recherche Hadopi
file2 = LOAD 'dir/file2.csv' USING PigStorage(';') as (IP_RECHERCHEE:chararray, DATE_HADO:chararray);

dump file2;

输出如下：

(2014/03/10 00:00:00,79.92.147.88)
(2014/03/10 00:00:01,79.92.147.88)
(2014/03/10 00:00:00,192.168.2.67)

(2014/03/10 00:00:00,79.92.147.88,,)
(2014/03/10 00:00:00,192.168.2.67,,)
(2014/03/10 00:00:01,79.92.147.88,,)

现在，我想做一个左外连接。代码如下：

result = JOIN file2 by IP_RECHERCHEE LEFT OUTER, A by COD_IPUSER;
dump result;

输出如下：

(2014/03/10 00:00:00,79.92.147.88)
(2014/03/10 00:00:01,79.92.147.88)
(2014/03/10 00:00:00,192.168.2.67)

(2014/03/10 00:00:00,79.92.147.88,,)
(2014/03/10 00:00:00,192.168.2.67,,)
(2014/03/10 00:00:01,79.92.147.88,,)

“file2”的所有记录都在这里，这很好，但start\u文件的任何记录都在这里。这就像连接失败一样

你知道问题出在哪里吗

---

谢谢。

您在

文件2中错误地标记了字段。您将第一个字段称为IP，第二个字段称为日期，此时，如您的
转储所示，情况正好相反。尝试
FOREACH file2 GENERATE IP\u RECHERCHEE
，您将看到您试图加入的字段。
您在
file2
中错误标记了字段。您将第一个字段称为IP，第二个字段称为日期，此时，如您的
转储所示，情况正好相反。尝试为每个文件2生成IP_RECHERCHEE，您将看到您试图加入的字段。
结果与预期一致。您正在调用Left outer join，它将查找文件2中的IP_RECHERCHEE字段与A的COD_IPUSER的匹配。
由于没有匹配，它将返回文件2中的所有IP_RECHERCHEE字段，并将A中的字段替换为null。

显然
2014/03/10 00:00:00！=20140310
结果与预期一致。您正在调用Left outer join，它将查找文件2中的IP_RECHERCHEE字段与A的COD_IPUSER的匹配。
由于没有匹配，它将返回文件2中的所有IP_RECHERCHEE字段，并将A中的字段替换为null。

显然
2014/03/10 00:00:00！=20140310
您的字段名称错误，并且您通过错误的字段加入。似乎您想通过IP地址加入

start_file = LOAD 'dir/start_file.csv' USING PigStorage(';') as (IP:chararray, PARTRANGE:chararray);

A = FOREACH start_file GENERATE TRIM(IP) AS IP, TRIM(PARTRANGE) AS PARTRANGE;

file2 = LOAD 'dir/file2.csv' USING PigStorage(';') as (DATE_HADO:chararray, IP:chararray);

我得到的是这个

(2014/03/10 00:00:00,192.168.2.67,,)
(2014/03/10 00:00:00,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:00,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:01,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:01,79.92.147.88,79.92.147.88,20140310)

您的字段名称错误，并且您通过错误的字段加入。似乎您想通过IP地址加入

start_file = LOAD 'dir/start_file.csv' USING PigStorage(';') as (IP:chararray, PARTRANGE:chararray);

A = FOREACH start_file GENERATE TRIM(IP) AS IP, TRIM(PARTRANGE) AS PARTRANGE;

file2 = LOAD 'dir/file2.csv' USING PigStorage(';') as (DATE_HADO:chararray, IP:chararray);

我得到的是这个

(2014/03/10 00:00:00,192.168.2.67,,)
(2014/03/10 00:00:00,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:00,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:01,79.92.147.88,79.92.147.88,20140310)
(2014/03/10 00:00:01,79.92.147.88,79.92.147.88,20140310)