hadoop - 改革 pig 拉丁成绩

Question

我想改革 pig 拉丁成绩。
对于一些 pig 拉丁，让我们说“ dump table1 ”，可以得到以下结果。
(测试1,1.0，Link1 Link2 Link3)，在Link1，Link2，Link3之间存在“\ t”。
我想改革看起来像的结果
(测试1，链接1)
(测试1，Link2)
(测试1，Link3)
有人知道我该如何创建吗？

提前致谢。

Answer 1

您可以使用内置UDF的TOKENIZE，它将为您提供一串字符串中的不同标记。如果您拥有的唯一的非字母数字字符是tab，则可以正常使用。只需FLATTEN生成的包，就可以根据需要在不同的行中使用不同的 token 。

如果您的字符串比显示的要复杂得多，并且需要精确控制它们的拆分方式，则可以使用STRSPLIT，但这会返回一个元组，因此在FLATTEN ing之前，您需要将该元组转换为包。