hadoop - 将矩阵发送给udf pig 拉丁

Question

我对UDF pig 拉丁有问题。
我正在尝试实现一个系统，该系统必须验证本地存储的矩阵与hadoop存储库中存储的一组矩阵之间是否存在“映射”。
对于映射，我的意思是在hadoop中是否存在一个存储矩阵的行和列的排列，该排列将矩阵转换为等于本地存储的矩阵。
因为矩阵可以包含数百个元素，所以我正在考虑在hadoop上执行映射算法以使用并行性。
我一直在寻找UDF pig 拉丁语，但是我不明白如何将本地矩阵“发送”到UDF函数。

public class Mapping extends EvalFunc<String>
 {
private int[][] matrixToMap; //The local matrix i want to map

public String exec(Tuple input) throws IOException { //Here the tuple are the matrix stored in hadoop
  if (input == null || input.size() == 0)
      return null;
  try{
       //HERE THE CODE FOR THE MAPPING
  }

     }
   }

}

我的问题是考虑到我将使用以下代码，如何初始化属性matrixToMap:

REGISTER /Users/myudfs.jar;  
//SOME CODE TO INITIALIZE ATTRIBUTE matrixToMap
records = LOAD 'Sample7.txt' //the matrix stored in hadoop
B = FOREACH records GENERATE myudfs.mapping(records);

请考虑在Java程序中调用Pig脚本，并将本地矩阵存储在Java矩阵中。因此，java程序如下所示:

int [][] localMatrix;
pigServer.registerJar("/Users/myudfs.jar");
//Some code to make Mapping.matrixToMap = localMatrix
pigServer.registerQuery("records = LOAD 'Sample7.txt';");
pigServer.registerQuery("B = FOREACH records GENERATE myudfs.Mapping(formula);"); 

你有什么主意吗？
谢谢

Answer 1

您可以像在UDF的构造函数中那样初始化类变量:

public class Mapping extends EvalFunc<String>
{
  private int[][] matrixToMap; //The local matrix i want to map

  public Mapping(String filename) {
    // Code to populate matrixToMap from the data in filename
  }

  public String exec(Tuple input) throws IOException { //Here the tuple are the matrix stored in hadoop
    if (input == null || input.size() == 0)
      return null;
    try{
       //HERE THE CODE FOR THE MAPPING
    }

   }
 }

在脚本中，使用以下行:

DEFINE Mapping myudfs.Mapping('/path/to/matrix/on/HDFS');

使用此方法，您的矩阵必须存储在HDFS上，以便正在初始化并调用构造函数的映射器或化简器可以访问数据。