使用 Pig 通过 Java 运行字符串

Question

我有一个 UDF jar，它通过 Pig 将字符串作为输入。这个java文件通过pig很好地运行一个'硬编码'字符串，比如这个命令

B = foreach f generate URL_UDF.mathUDF('stack.overflow');

会给我我期望的输出

我的问题是我正在尝试从文本文件中获取信息并将我的 UDF 与它一起使用。我加载了一个文件，并希望在已加载到 UDF 的文件中传递数据。

LoadData = load 'data.csv' using PigStorage(',');
f = foreach LoadData generate $0 as col0, $1 as chararray

$1 是我需要的列，研究数据类型 (http://pig.apache.org/docs/r0.7.0/piglatin_ref2.html#Data+Types) 使用 char 数组。

然后我尝试使用以下命令 B = foreach f 生成 URL_UDF.mathUDF($1);

将数据传递到无法声明的 jar 中

java.lang.ClassCastException: org.apache.pig.data.DataByteArray cannot be cast to java.lang.String

如果有人对此有任何解决方案，那就太好了。

我运行的java代码如下

package URL_UDF;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

import java.io.InputStream;
import java.io.InputStreamReader;

import org.apache.pig.FilterFunc;
import org.apache.pig.data.Tuple;
import org.apache.pig.EvalFunc;
import org.apache.pig.PigWarning;
import org.apache.pig.data.Tuple;
import org.apache.commons.logging.Log;
import org.apache.*;

public class mathUDF extends EvalFunc<String> {

public String exec(Tuple arg0) throws IOException {
    // TODO Auto-generated method stub
    try{

        String urlToCheck = (String) arg0.get(0);

        return urlToCheck;
    }catch (Exception e) {
        // Throwing an exception will cause the task to fail.
        throw new IOException("Something bad happened!", e);
    }
}

}

谢谢

Answer 1

您可以使用 LOAD 指定架构，如下所示

LoadData = load 'data.csv' using PigStorage(',') AS (col0: chararray, col1:chararray);

并将col1 传递给UDF。

或者

B = foreach LoadData generate (chararray)$1 AS col1:chararray;

实际上，这是 Pig 中的一个错误 (PIG-2315)，将在 0.12.1 中修复。 foreach 中的 AS 子句无法正常工作。