码迷,mamicode.com
首页 > 其他好文 > 详细

pig的内置函数小总结(不全)

时间:2015-01-05 23:15:52      阅读:278      评论:0      收藏:0      [点我收藏+]

标签:

piggybank里面有非常多函数,能够用register和define调用。也能够用java仿照piggybank自行开发。

比方读sequence二进制文件,能够用piggybank里面函数SequenceFileLoader,也能够自行开发函数。

--REGISTER piggybank.jar;
REGISTER wizad-etl-udf-0.1.jar;


--DEFINE SequenceFileLoader org.apache.pig.piggybank.storage.SequenceFileLoader();
DEFINE SequenceFileLoader com.etl.pig.SequenceFileCSVLoader();

--origin_cleaned_data = LOAD ‘$Cleaned_Log‘ USING PigStorage(‘,‘)
origin_cleaned_data = LOAD ‘$Cleaned_Log‘ USING SequenceFileLoader



下面是pig内置函数,可直接使用:


load函数:pigstorage,hbasestorage

  TestLoader按行读取text文件,每行做作为一个tuple(是一个chararay类型的字段)


存储函数:PigStorage(hdfs),HBaseStorage(hbase)


内置数学函数:
ABS()绝对值,
TAN()正切
ATAN()反正切
TANH()双曲正切


SQRT()平方根
CBRT()立方根


SIN正弦
SINH双曲正弦
COS()余弦
ACOS()反余弦值
COSH()双曲余弦
EXP():e的幂次方(e为底的指数函数)
LOG()自然对数
LOG10():10为底的对数函数


ROUND:四舍五入取值
CEIL()向上取整


FLOOR(double) 小于等于某表达式的最大整数






注意:{(int)}是包括int类型字段的tupe的bag。
内置聚合函数:
AVG({(int)}):全部值平均值,null忽略。
AVG({(long)}):全部值平均值,null忽略。
AVG({(float)}):全部值平均值,null忽略。
AVG({(double)}):全部值平均值,null忽略。
AVG({(bytearray)}):全部bytearray值转化为double类型后的平均值,null忽略。


COUNT
COUNT_STAR:相当于sql中的count(*)
SUM({(int)}):还有SUM({(float)})。。。
SUM({(bytearray)}):bytearray类型转double后求和,null忽略。
MAX()找最大
MIN()找最小


内置chararray和bytearray的UDF
CONCAT(chararray a, chararray b):连接字符串字段a,b
CONCAT(bytearray a, bytearray b):连接字符串字段a,b


字符查找,返回查找的首位置与末位置。
INDEX_OF(chararray source,chararray search):在source字段中,查找search字段,返回search出现的第一个位置,无则返回-1
如:SPLIT ios INTO ios6 IF (INDEXOF(os_version,‘7‘)!=0),ios7 IF INDEXOF(os_version,‘7‘)==0;


LAST_INDEX_OF(chararray source,chararray search):在source中查找search字段,返回search最后一个字符出现的位置。无则返回-1


LCFIRST(chararray):第一字符转小写
UCFISRT(chararray input):第一个字符转大写
LOWER(chararray):全部字符转小写
UPPER(chararray):全部字符转大写


REGEX_EXTRACT(chararray source, chararray regex, int n):regex是正則表達式,在source中全部匹配regex的字符串(chararray),返回第n个(n从1開始);无则返回null

实例:allAdId =FOREACH allRow GENERATE REGEX_EXTRACT((chararray)$3,‘(.*) (.*)‘,1) AS time,REGEX_EXTRACT((chararray)$0,‘(.*)_(.*)‘,1) AS adn,$6 AS ad_id;


(chararray)REGEX_EXTRACT_ALL(chararray source, chararray regex):在source中找到匹配regex的全部部分作为一个tuple返回(chararray),没有则返回null。


chararry REPLACE(chararry source, chararray toReplace, chararray newValue):在source字段中,用newValue去替换全部的toReplace字段。


long SIZE(chararray input):返回input中字符的个数




(chararray) STRSPLIT(chararray source):将source字符串按空格分隔,返回包括一个字段的tuple,如(aa bb cc)
(chararray) STRSPLIT(chararray source, chararray regex):将source字符串按正則表達式regex分隔,返回包括一个字段的tuple
(chararray) STRSPLIT(chararray source, chararray regex, int maxsplits):将source字符串按正則表達式regex分隔,超过最大分隔数maxsplits后的部分丢弃,仅仅保留前面部分,返回包括一个字段的tuple


SUBSTRING(chararray source,int start, int end):提取source的子串,位置从start到end(不包括end位置上的内容,仅仅留end之前的)。起始位置从0開始,不是从1。输入字符串小于start会报错。


{(chararray)} TOKENIZE(chararray source):按空格切割source字符串成多个部分,分别存入tuple,总体作为一个bag返回。


chararray TRIM(chararray input):去字符串前面和后面的全部空格


还有非常多。。
RANDOM():0到1的随机数

判空IsEmpty(bag)和IsEmpty(tuple)




pig的内置函数小总结(不全)

标签:

原文地址:http://www.cnblogs.com/gcczhongduan/p/4204681.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!