将UNION的结果存储在单个文件中的PIG中

Question

我有一个PIG脚本,它产生四个结果我想将它们存储在一个文件中.我尝试使用UNION,但是当我使用时,UNION我得到四个文件part-m-00000,part-m-00001,part-m-00002,part-m-00003.我不能得到一个文件？

这是PIG脚本

A = UNION Message_1,Message_2,Message_3,Message_4 into 'AA';

在AA文件夹里面我得到了4个文件,如上所述.我不能得到包含所有条目的单个文件吗？

Answer 1

Pig在这里正在做正确的事情并且正在联合数据集.一个文件都不是Hadoop中的一个数据集... Hadoop中的一个数据集通常是一个文件夹.因为它不需要在这里运行reduce,所以它不会.

你需要欺骗Pig来运行Map AND Reduce.我通常这样做的方式是:

set default_parallel 1

...
A = UNION Message_1,Message_2,Message_3,Message_4;
B = GROUP A BY 1; -- group ALL of the records together
C = FOREACH B GENERATE FLATTEN(A);
...

将GROUP BY所有记录组合在一起,然后FLATTEN列出退出的爆炸.

这里要注意的一点是,这与做的没什么不同:

$ hadoop fs -cat msg1.txt msg2.txt msg3.txt msg4.txt | hadoop fs -put - union.txt

(这是连接所有文本,然后将其作为新文件写回HDFS)

这根本不是平行的,但也没有通过一个减速器汇集所有数据.