在 Pig 中转换 Flatten 和 Strsplit 的输出

Question

我正在尝试使用 pig

解析具有多个定界符的日志提取和示例数据，如下所示

CEF:0|NetScreen|Firewall/VPN||traffic:1|Permit|Low| eventId=5                  
msg=start_time\="2015-05-20 09:41:38" duration\=0 policy_id\=64

我的代码如下：

A = LOAD '/user/cef.csv' USING PigStorage(' ') as  
(a:chararray,b:chararray,c:chararray,d:chararray,e:chararray,f:chararray,g:chararray);
B = FOREACH A GENERATE STRSPLIT(SUBSTRING(a, LAST_INDEX_OF(a,'|')+1,   (int)SIZE(a)),'=',2),STRSPLIT(b,'=',2),STRSPLIT(c,'=',2),STRSPLIT(d,'=',2),STRSP     LIT(e,'=',2),STRSPLIT(f,'=',2),STRSPLIT(g,'=',2);
C = FOREACH B GENERATE FLATTEN([=11=]), FLATTEN(),        FLATTEN(),FLATTEN(),FLATTEN(),FLATTEN();
D = FOREACH C GENERATE ,flatten(STRSPLIT(,'"',2)),flatten(STRSPLIT(,'"',2)),,;
E = FOREACH D GENERATE (int)[=11=],(chararray),(chararray),(int),(int) as (a:int,b:chararray,c:chararray,D:int,E:int);

现在当我转储 E 时，出现错误

grunt> 2015-05-25 04:06:48,092 [main] ERROR org.apache.pig.tools.grunt.Grunt   

- ERROR 1031: Incompatable schema: left is  

"a:int,b:chararray,c:chararray,D:int,E:int", right is ":int"

我正在尝试将 flatten 和 strsplit 操作的输出转换为 chararray 和 int。

请告诉我这是否可以完成

感谢您的帮助！

Answer 1

您的问题是如何使用 as 子句。由于您将 as 放在第六个参数之后，它假定您正尝试仅为第六个参数指定该架构。因此，您将六个字段的模式分配给一个字段，因此出现错误。

这样做：

E = FOREACH D GENERATE (int)[=10=] as a:int,(chararray) as b,(chararray) as c,(int) as d,(int) as e;

但是，您正在将 09:41:38" 转换为一个 int，所以一旦您更改它，它就会给您另一个错误。您需要再次检查如何拆分数据。

依我拙见，在 Pig 中处理文件之前，您应该尝试通过分隔符拆分文件，然后使用分隔符加载它们并执行 union。如果你的数据太大，那么忘记这个想法......但是如果你在同一个文件中有多个分隔符，你的代码会变得太乱。

在 Pig 中转换 Flatten 和 Strsplit 的输出

Casting the output from Flatten and Strsplit in Pig

apache-pig

flatten

strsplit