Apache Pig STRSPLITTOBAG()用法及代碼示例

這個函數類似於STRSPLIT()函數。它通過給定的分隔符分割字符串並將結果返回到一個包中。

用法

的語法STRSPLITTOBAG()下麵給出。此函數接受一個需要拆分的字符串、一個正則表達式和一個指定限製的整數值(該字符串應拆分的子字符串數)。此函數解析字符串，當遇到給定的正則表達式時，它將字符串拆分為n子串的數量，其中n將是傳遞給的值limit。

grunt> STRSPLITTOBAG(string, regex, limit)

示例

假設有一個文件名為emp.txt在裏麵HDFS目錄/pig_data/如下所示。此文件包含員工詳細信息，例如 ID、姓名、年齡和城市。

emp.txt

001,Robin_Smith,22,newyork 
002,BOB_Wilson,23,Kolkata 
003,Maya_Reddy,23,Tokyo 
004,Sara_Jain,25,London 
005,David_Miller,23,Bhuwaneshwar 
006,Maggy_Moore,22,Chennai 
007,Robert_Scott,22,newyork 
008,Syam_Ketavarapu,23,Kolkata 
009,Mary_Carter,25,Tokyo 
010,Saran_Naidu,25,London 
011,Stacy_Green,25,Bhuwaneshwar 
012,Kelly_Moore,22,Chennai

並且，我們已經將這個文件加載到 Pig 中，關係名為emp_data如下所示。

grunt> emp_data = LOAD 'hdfs://localhost:9000/pig_data/emp.txt' USING PigStorage(',')
   as (id:int, name:chararray, age:int, city:chararray);

下麵是一個例子STRSPLITTOBAG()函數。如果你觀察emp.txt文件，你會發現，在name列，我們有由 delemeter 分隔的員工的姓名和姓氏“_”。

在這個例子中，我們試圖拆分員工的名字和姓氏，並使用STRSPLITTOBAG()函數。

grunt> strsplittobag_data = FOREACH emp_data GENERATE (id,name), STRSPLITTOBAG (name,'_',2);

語句的結果將存儲在名為的關係中strsplittobag_data.驗證關係的內容strsplittobag_data,使用 Dump 運算符，如下所示。

grunt> Dump strsplittobag_data;
  
((1,Robin_Smith),{(Robin),(Smith)}) 
((2,BOB_Wilson),{(BOB),(Wilson)}) 
((3,Maya_Reddy),{(Maya),(Reddy)}) 
((4,Sara_Jain),{(Sara),(Jain)}) 
((5,David_Miller),{(David),(Miller)}) 
((6,Maggy_Moore),{(Maggy),(Moore)}) 
((7,Robert_Scott),{(Robert),(Scott)}) 
((8,Syam_Ketavarapu),{(Syam),(Ketavarapu)}) 
((9,Mary_Carter),{(Mary),(Carter)})
((10,Saran_Naidu),{(Saran),(Naidu)}) 
((11,Stacy_Green),{(Stacy),(Green)}) 
((12,Kelly_Moore),{(Kelly),(Moore)})