2014-08-05 pig

Pig的数据类型能够分为两种：一种是scalar类型，包含单一的value,一种是complex类型，包含有其他的类型。

对于scalar类型：

int,long,float,double,chararray(取代了string),bytecharray.

复杂点的类型：

1、Map(我用python编写的对应的map总是出现问题，纠结了好久还是没有纠结好~~~才纠结好)书上的介绍：map是chararray（作为key）与其他数据元素的映射关系（作为value），其他的数据元素的类型为pig支持的数据类型，也包括复杂的数据类型。因为Pig并不知道value的类型，所以它假定这个为bytearray类型，但是真是的类型可能不是这样的，如果你知道这个value的类型，或者你希望是某个类型，你可以强制转换（cast）它。如果你不转换，Pig会以它认为的类型来定义，书的后面也有写Pig如何处理它不知道的类型。默认的情况下，没有要求values的必须是同一种类型。Pig0.9之后，可以申请values为一种类型。

map的形式是：key，value之间由#隔开，每一对之间由逗号隔开，这些pairs由中括号括起来。

如：['name'#'bob', 'age'#55]。

记下我的程序：

          line = '';
          regulation = regulations.split(',');
          regulation.remove('');
          for re in regulation:
                 line = line +  re.replace(':', '#') + ',';
          line = line[len(line) - 1:];
          regulationMap = [line];    

这个程序里面的regulationMap就可以当作一个map来使用了。

其他的：返回map，写成这种形式：@outputSchema("mapvalue: []")，在pig里面使用的时候用flatten。（后一个还没有仔细用。）

涉及到map的还有两个问题：1、在pig，python的udf里面能不能读文件，每次读文件，都出错？2、flatten之后的数据跟别的数据join之后又问题。这个也还没有解决。

用describe看一个变量数据：describe variableValue，可以知道其schema的组成。

注意：flatten之后的数据可以用$0,$1等等来代表其第几个schema。

map还有很多需要注意的地方，以后碰到再写。

2、Tuple: 是有序集合，能够被分为好几个fields，每一个field包含一个元素，这些元素可以是任意类型，可以不是相同的类型。可以同为下标进行访问。tuple里面的value可以跟相应的type进行关联。tuple形式：小括号，每个元素之间逗号：（'b', 55），两个元素。

bag：

先不写了。

sql:

http://www.cnblogs.com/wang-123/archive/2012/01/05/2312676.html