使用猪将小数导入卡桑德拉

Question

我在这个问题上已经用头撞墙了一段时间，它看起来很简单。我知道我在这里遗漏了一些关键的东西。

使用 Pig 0.12.1.2.1.2.0-402、Cassandra 2.0.9，我正在尝试将精度数字（需要保持相同的精度）导入 Cassandra。

数据本身是使用 Sqoop 从 Oracle 导出的，数字看起来不错。

例如：查询到的数据是38.62782。如果我使用 pig double 或 float 导入，精度会丢失，在这种情况下不是 acceptable。我尝试了多种组合，pig 的 bigdecimal 似乎非常适合，但我无法让它工作，因为我不断得到以下信息：

ERROR org.apache.pig.tools.pigstats.SimplePigStats  - ERROR: java.math.BigDecimal cannot be cast to org.apache.pig.data.DataByteArray

所以我不明白我需要做什么才能完成这项工作。我只希望 Oracle（和 Sqoop 文件）中的 38.62782 显示为 38.62782，而不将 Cassandra 列设为文本字段。

样本猪：

DEFINE UnixToISO org.apache.pig.piggybank.evaluation.datetime.convert.UnixToISO();
DEFINE ISOToUnix org.apache.pig.piggybank.evaluation.datetime.convert.ISOToUnix();
DEFINE CustomToDate2Args com.mine.pig.udf.CustomToDate2Args();
DEFINE ToBoolean com.mine.pig.udf.ToBoolean();
DEFINE CustomCqlStorage com.mine.pig.CustomCqlStorage();
DEFINE s2d InvokeForDouble( 'java.lang.Double.parseDouble', 'String' );

oracle_load = LOAD '$input_file' USING PigStorage('     ') AS (
  NAME:chararray,
  MYDOUBLE:chararray,
  MYFLOAT:float,
  MYDECIMAL:bytearray,
  MYTEXT:chararray);

oracle_data = FOREACH oracle_load generate
  (NAME=='null'?null:NAME) as NAME,
  MYDOUBLE,
  MYFLOAT,
  MYDECIMAL,
  MYTEXT;


R = FOREACH oracle_data GENERATE TOTUPLE(TOTUPLE('name',NAME)), TOTUPLE(
  s2d(MYDOUBLE),
  MYFLOAT,
  MYDECIMAL,
  MYTEXT);


STORE R into 'cql://$cass_user:$cass_pass@$cass_keyspace/mydoubletest?output_query=update+$cass_keyspace.mydoubletest+set+mydouble+%3D+%3F,myfloat+%3D+%3F,mydecimal+%3D+%3F,mytext+%3D+%3F' USING CustomCqlStorage();

和我正在尝试的 table 定义仅供参考：

CREATE TABLE mydoubletest (
  name text,
  mydecimal decimal,
  mydouble double,
  myfloat float,
  mytext text,
  PRIMARY KEY ((name))
) WITH
  bloom_filter_fp_chance=0.010000 AND
  caching='KEYS_ONLY' AND
  dclocal_read_repair_chance=0.000000 AND
  gc_grace_seconds=864000 AND
  index_interval=128 AND
  read_repair_chance=0.100000 AND
  replicate_on_write='true' AND
  populate_io_cache_on_flush='false' AND
  default_time_to_live=0 AND
  speculative_retry='99.0PERCENTILE' AND
  memtable_flush_period_in_ms=0 AND
  compaction={'class': 'SizeTieredCompactionStrategy'} AND
  compression={'sstable_compression': 'LZ4Compressor'};

Answer 1

事实证明，我的问题与我正在寻找的答案大不相同。

首先，创建 UDF 确实适用于此。但有两件事是，我们使用的是自定义 Cql 存储例程，它没有考虑 BigDecimal。其次，由于另一个原因进一步探索后发现问题出在 cqlsh 上。字段 实际上并没有失去精度 。

但是，我的总体问题的答案正是此处列出的内容： Astyanax Cassandra Double type precision

使用猪将小数导入卡桑德拉

Import decimal to cassandra using pig

cassandra

apache-pig