HadoopPigStreamShip

hadoop pig stream pig 中的 stream 非常用用，一般是先用 perl, python, php, shell 对日志生成符合pig的数据格式后，再 用pig 来处理 在脚本中，如果要加载一个文件做为依赖文件， 就可以用 ship 这一选项 DEFINE CMD `ac_mapper.php` ship('/proxy/step/a

hadoop pig stream
pig 中的 stream 非常用用，一般是先用 perl, python, php, shell 对日志生成符合pig的数据格式后，再 用pig 来处理

在脚本中，如果要加载一个文件做为依赖文件， 就可以用 ship 这一选项

    DEFINE CMD `ac_mapper.php` ship('/proxy/step/ac_mapper.php', '/data/$mday/merge.lst');
    rawLog = load '$input' as (line);   
    schemeData = stream rawLog through CMD as (platForm, userKey, reqType, catId);

$mday, $input 都是参数， ship 从这个英文单词可以看出来，是用来装般的，把要用的东西都装上般

第一个ac_mapper.php不能用绝对路径，在ship中申请ac_mapper.php中的绝对路径，告诉 pig 从哪里去取文件

装上船后，就可以用了，如在 ac_mapper.php中读取 merge.lst文件

    function readmacid(){
        $handle = @fopen("merge.lst", "r");
        $index = 1;
        if ($handle) {
            while (($buffer = fgets($handle, 4096)) !== false) {
                    list($platform,$mac, $ukey) = explode("\t",trim($buffer));
                    if(!empty($mac)){
                            $GLOBALS['mac2id'][$mac] = $index; 
                    }
                    if(!empty($ukey)){
                            $GLOBALS['ukey2id'][$ukey] = $index; 
                    }
                    $index++;
        }
        if (!feof($handle)) {
                    echo "Error: unexpected fgets() fail\n";
                    exit();
            }
            fclose($handle);
        }
    }

@fopen("merge.lst","r")这样就可以读取 merge.lst的文件了，因为 装船后，会把这些文件放在一个 workspace 中

这个功能让我想起了前东西的一个 Dquery 系统，里面可以加载 依赖文件

http://pig.apache.org/docs/r0.7.0/piglatin_ref2.html#UDF+Statements
http://ofps.oreilly.com/titles/9781449302641/advanced_pig_latin.html
http://wiki.apache.org/pig/PigStreamingFunctionalSpec

原文地址：Hadoop Pig Stream Ship, 感谢原作者分享。