Pig:一类中有多个UDF

Posted

技术标签:

【中文标题】Pig:一类中有多个UDF【英文标题】:Pig: Multiple UDF in one class 【发布时间】:2016-03-28 10:16:57 【问题描述】:

我想定义多个 Pig UDF。他们每个人都将提取数据的不同部分。在我的例子中,数据是具有复杂结构的 JSON 文档,包括许多嵌套的 JSON 对象。

问题是现在我已经为我需要的每个函数创建了一个不同的 Eval 类。这些类中的每一个都实现了 exec()。 有没有办法将所有函数放到同一个 UDF 类中并从 pig 调用它们?

我的一个 UDF 示例:

public class PigGetTimestamps extends EvalFunc<Tuple>
  public Tuple exec(org.apache.pig.data.Tuple input) throws IOException         

    if (input == null || input.size() == 0 )
        return null;
    

    try 

        String inputString = DataType.toString(input.get(0));
        try
        
            String[] tokens=inputString.split("\t");
            if (tokens.length<1)
                return null;
            Document document=new Document(tokens[0], true, false);
            long timestamp_fetch=document.getTimestamp_fetch();
            long timestamp_pub=document.getTimestampPub();
            Tuple output = TupleFactory.getInstance().newTuple(2);
            output.set(0,timestamp_pub);
            output.set(1,timestamp_fetch);
            return output;
        
        catch(Exception e)
        
            return null;
        

     catch (Exception e)    
        System.out.println("Can't extract field; error = " + e.getMessage());
        return null;
            
  

【问题讨论】:

【参考方案1】:

您可以使用同一个类,创建它的多个实例 - 在构造函数中您将说明它将执行什么功能

因此,您将在您的猪中定义不同的实例:

define udf1 my.package.udf.MultiFunc('1');
define udf2 my.package.udf.MultiFunc('2');

你的 UDF 类看起来像:

    public class MultiFunc  extends EvalFunc<String> 

        private String operation;
        public MultiFunc(String operation)
            this.data = operation;

        

        @Override
        public String exec(Tuple tuple) throws IOException 
        switch (operation)
            case "+":
                //your code here;
                break;

            case "-":
                //your code here;
                break;

            break;

                

【讨论】:

有什么标准的方法,你可能会得到结果,但它是一个 hack

以上是关于Pig:一类中有多个UDF的主要内容,如果未能解决你的问题,请参考以下文章

将多个参数传递给 Pig Filter UDF

多个元组作为用 Java 编写的 pig UDF 中的输入

Pig 多个存储命令创建重复工作

用于 PIG 捐赠错误的 Python UDF

在 PIG UDF 中调试

Apache Pig - 在脚本中多次调用 Java UDF ToJSON