我正在编写类似于以下内容的猪拉丁文脚本：
A = load 'data' using PigStorage('\t');
store A into my_data using PigStorage();
这个输出
(Bob, 10, 4.0)
(Jim, 11, 3.25)
(Paul, 9, 2.75)
我想为存储在 HDFS 中的每个文件添加第一个标题行
(Name, Age, GPA)
(Bob, 10, 4.0)
(Jim, 11, 3.25)
(Paul, 9, 2.75)
有什么想法吗？
【问题讨论】：
标签： hadoop apache-pig
你可以使用CSVExcelStorage作为存储功能，让你做你想做的事：
STORE 输出 INTO '/outputfolder/' 使用 org.apache.pig.piggybank.storage.CSVExcelStorage('\t', 'NO_MULTILINE', 'UNIX', 'WRITE_OUTPUT_HEADER');
使用“WRITE_OUTPUT_HEADER”选项会将标题写入满足您的用例的每个文件。
【讨论】：
这对猪来说真的没有意义。每一行都是单独的数据记录，所以除非真的有一个人叫Name，年龄为Age，GPA 为GPA，否则有这样一行是错误的。此外，Pig 不保证输出字段的顺序（除非使用 ORDER BY），因此您的标题行可能会出现在任何地方。
您要求的是一种在 Pig 完成其工作后保留您的架构的方法，这样您就不必记住它是什么或在某个地方查找它。从 Pig 0.10 开始，PigStorage 可以通过将关系的模式存储为 JSON 文件 .pig_schema 与输出在同一目录中来实现这一点。有关它是什么以及如何使用它的更多详细信息，请参阅this page。
【讨论】：
答案是否定的，你不能做你真正想做的事。
正如@Winni 所建议的那样，保留一个架构文件是有一些变通方法的，但这是很多黑客行为。
戴上消费者的帽子（我也是开发人员），我不得不说 Pig 缺少这个功能。 我们不在乎它在 PigStorage 中以 CSV 文件的形式输出内容时对 pig 有多大意义，以提供同时具有标题行的能力，让那些健忘的小用户理解数据。
当我有一行，大约有十个不同的日期时间时，我几乎不可能理解数据，直到我手动添加标题行。
【讨论】：
我认为你最好的选择是描述你要在 Grunt shell 的测试集上输出的关系，然后将其复制并粘贴到例如bash 命令，在您从 HDFS 获取记录并将其归类到平面文件后，将记录附加到文件的顶部。所以像：
sed -i '1s/^/(Name, Age, GPA) /' filename.tsv
（请注意，这将在原地写入，因此如果您是 shell 命令 n00b，可能会直接输出到新文件。）
【讨论】：