每天运行时要追加的多存储的pig输出

fdx2calv 于 2021-06-21 发布在 Pig

关注(0)|答案(1)|浏览(358)

我有一组数据，在其上对“type”列运行multistorage命令，现在在hdfs中有了这些路径：“/output/type1/”、“/output/type2/”、“/output/type3/”等。
现在，我每天都在“type”列上运行一个带有multistorage命令的脚本，生成“/tmp/type1/”、“/tmp/type2/”、“/tmp/type3/”等（这里的类型可以是<或=主输出中已经存在的类型）。
因为pig不允许我提供已经存在的目录的输出路径，所以我每天运行的脚本是/tmp/。有没有办法将/tmp/与/output/组合在右侧的“type”子目录下？
在/output/type1/as/output/type1/file下应该有/tmp/type1/file等等。这样我可以删除/tmp并再次运行脚本。
感谢您的帮助。提前谢谢。

Directory apache-pig subdirectory Append multistore

来源：https://stackoverflow.com/questions/37594946/pig-output-of-multistorage-to-be-appended-when-i-run-it-everyday

1条答案

按热度按时间

hujrc8aj1#

pig不能处理目录，但调用fs命令。将临时目录Map到最终目录需要的不仅仅是pig所能做的。您可以在一个小型java程序中使用文件系统api，并单独运行它或在oozie工作流中运行它。
除此之外，您还需要确保附加的文件与现有文件具有不同的文件名，这不是默认行为，您可以通过以下命令实现：

%declare timestamp `date +"%s"` 
 SET mapreduce.output.basename '$timestamp'
 /* here we used the timestamp to get unicity*/

赞(0）回复(0）举报 2021-06-21

我来回答

每天运行时要追加的多存储的pig输出

1条答案

相关问题

热门标签

最新问答