我们以 wordCount 为例：
input_lines = LOAD '/tmp/my-copy-of-all-pages-on-internet' AS (line:chararray);
-- Extract words from each line and put them into a pig bag
-- datatype, then flatten the bag to get one word on each row
bag_words = FOREACH input_lines GENERATE FLATTEN(TOKENIZE(line)) AS word;
是否可以序列化“bag_words”变量，这样我们就不必在每次执行脚本时都重新构建整个包？
谢谢。
【问题讨论】：
标签： hadoop mapreduce bigdata apache-pig
STORE bag_words INTO 'some-output-directory';
稍后再读入以跳过 foreach 生成、展平、标记化。
【讨论】：
directory（如果不存在）。
reloaded = load '/path/to/dir' as (word:chararray);
AS (word:chararray) 子句，但如果您想指定字段，则必须按数字引用字段（使用 Pig 位置符号：$0、$1、$2 等..) - 但是你失去了你创建的结构，它将整行引用为“单词”。
您可以使用 STORE 命令在 pig 中输出任何别名：您可以使用标准格式（如 CSV）或编写自己的 PigLoader 类来实现任何特定行为。然后，您可以在单独的脚本中加载此输出，从而绕过初始加载。
【讨论】：