Hadoop Pig：传递命令行参数

Question

有没有办法做到这一点？例如，传递要处理的文件的名称等？

Answer 1

这出现在another question中，但是你可以在命令行中指明输入参数并在加载时使用，例如：

命令行：

pig -f script.pig -param input=somefile.txt

脚本.猪：

raw = LOAD '$input' AS (...);

请注意，如果您使用的是 Amazon Web Services Elastic Map Reduce，那么对于您提供的任何输入，“$input”都是传递给脚本的内容。

Answer 2

您可以使用...
1. 如果参数很少，则使用-param (-p)
2.如果有很多参数则使用-param_file (-m)

您可以根据命令行参数值的性质使用任何一种方法，我在开发和测试脚本时使用 -param。一旦 pig 脚本准备好进行批处理或通过 crontab 运行，我使用 -param_file 以便如果需要任何更改，我可以轻松更新 params.init 文件。

man pig 会告诉你所有可用的选项。

-m, -param_file path to the parameter file
-p, -param key value pair of the form param=val

这里是示例代码...

students.txt（输入数据）

001,Rajiv,Reddy,21,9848022337,Hyderabad
002,siddarth,Battacharya,22,9848022338,Kolkata
003,Rajesh,Khanna,22,9848022339,Delhi
004,Preethi,Agarwal,21,9848022330,Pune
005,Trupthi,Mohanthy,23,9848022336,Bhuwaneshwar
006,Archana,Mishra,23,9848022335,Chennai
007,Komal,Nayak,24,9848022334,trivendram
008,Bharathi,Nambiayar,24,9848022333,Chennai

params.init（保存所有参数的文件）

fileName='hdfs://horton/user/jgosalia/students.txt'
cityName='Chennai'

过滤器.猪

students = LOAD '$fileName' USING PigStorage(',') AS (id:int, firstname:chararray, lastname:chararray, age:int, phone:chararray, city:chararray);
students = FILTER students BY city == '$cityName';
DUMP students;

OPT 1：在命令行上使用参数（-param 或 -p）和输出

pig -param fileName='hdfs://horton/user/jgosalia/students.txt' -param cityName='Chennai' filter.pig

... Trimming the logs ...

(6,Archana,Mishra,23,9848022335,Chennai)
(8,Bharathi,Nambiayar,24,9848022333,Chennai)

OPT 2：在命令行上使用参数文件（-param_file 或 -m）和输出

pig -param_file params.init filter.pig

... Trimming the logs ...

(6,Archana,Mishra,23,9848022335,Chennai)
(8,Bharathi,Nambiayar,24,9848022333,Chennai)

注意：使用绝对路径作为文件路径（作为参数和将参数文件路径提供给 -param_file (-m) 时）。

Answer 3

将参数传递给 PIG 脚本很简单。

首先使用'$'在pig中标记你的变量，例如$input_file。然后使用 pig -params input_file='/path/to/data' 将参数传递给您的脚本

更多信息请看这里：http://wiki.apache.org/pig/ParameterSubstitution

Answer 4

是的。

您可以使用 pig 的 param 选项沿命令行选项传递参数。

--customparam.pig
--load hdfs/local fs data 
 original = load '$input' using PigStorage('$delimiter');
--filter a specific field value into another bag  
 filtered = foreach original generate $split; 
--storing data into hdfs/local fs 
  store filtered into '$output';

pig -x local -f customparam.pig -param input=Pig.csv -param output=OUT/pig -param delimiter="," -param split='$1'

欲了解更多信息：check this