简单的猪加入和处理两个袋子

Posted 2023-04-18

【中文标题】简单的猪加入和处理两个袋子

【英文标题】：simple pig to join and process two bags

【发布时间】：2013-02-16 08:05:27

【问题描述】：

我有以下简单的猪脚本，

AA = LOAD 'A' USING PigStorage(',') as (f1,f2,f3);
BB = LOAD 'B' AS (f1);
C = foreach AA generate f1;
C = JOIN AA BY f1 LEFT OUTER, BB BY f1 using 'replicated';
D = FOREACH C GENERATE FLATTEN((IsEmpty(AA) ? null : AA));
store D into 'd';

但是当我运行时，它给了我这个错误：

标量投影无效：AA：需要从关系中投影列才能用作标量

你能帮忙吗？

最好， 萨拉

【参考方案1】：

根据IsEmpty 文档：

,,检查包或地图是否为空"

在你的情况下它不起作用，因为 C 只是一个 outer bag 包含一个元组/行，其中包含 AA 和 BB :

C: AA::f1: int,AA::f2: chararray,AA::f3: chararray,BB::f1: int

您可以在 AA 的每个字段上应用 Bincond 运算符来检查和替换值，例如：

D = foreach C generate (AA::f1 is null ? '-1' : AA::id) ... ;

但如果你坚持使用 IsEmpty，那么以下内容就可以完成：

D = foreach C 
 bg = TOBAG(TOTUPLE(AA::f1,AA::f2,AA::f3));
 generate IsEmpty(bg) ...;

注意： 我认为 IsEmpty 部分的 Pig 文档中可能存在拼写错误。 Earlier 在示例中 cogroup 用于连接两个关系，创建一个 IsEmpty 可以在其上操作的内袋。 Later 这已被左连接替换，这会导致您描述的相同问题。