国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 編程 > Ruby > 正文

ruby和pig處理流式文件實例

2020-10-29 19:43:16
字體:
來源:轉載
供稿:網友

大數據操作中涉及到數據清洗步奏還是用腳本處理比較方便,下邊介紹一下pig加載hdfs文件后調用ruby腳本處理數據,再返回數據流至pig中處理的一個簡單案例。

注意:ruby的流式處理用到wukong這個gem包,相關下載:
https://github.com/mrflip/wukong

pig中加載分布式文件調用ruby流式處理:

復制代碼 代碼如下:

log = load '$INFILE' using PigStorage('/t');

define tracking_parser `/usr/ruby parse_click.rb --map` SHIP('parse_click.rb', 'click_tracking.rb');

strmo = stream log through tra_parser;

store strmo into '$OUTFILE' using PigStorage('/t');

復制代碼 代碼如下:

require 'wukong'
require 'json'
require './click_tra.rb'

module ParseClick
  class Mapper < Wukong::Streamer::RecordStreamer
    def before_stream
      @bad_count = 0
    end

    def after_stream
      raise RuntimeError, "Exceeded bad records : #{@bad_count}" if @bad_count > 10
    end

    def process *records
      yield ClickTra.new(JSON.parse(records[2])).to_a
    rescue => e
      @bad_count += 1
      warn "Bad record #{e}: #{records[2]}"
    end
  end
end

Wukong.run ParseClick::Mapper, nil

復制代碼 代碼如下:

require 'date'
require './models.rb'

class ClickTra
 
  output :ip
  output :c_date
  #output your other atrributes

  def c_date
    click_date.strftime("%Y%m%d").to_i
  end 

  def ip
    browser_ip.to_i
  end

end

其中

strmo = stream log through tra_parser;調用定義的外部程序tra_parser處理log對象。
Wukong.run ParseClick::Mapper, nil執行完后,將ruby執行結果回調pig接收。
store strmo into '$OUTFILE' using PigStorage('/t');做結果存儲持久化。

發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 林芝县| 香河县| 高邑县| 芦山县| 阳信县| 五常市| 陕西省| 从化市| 宁国市| 丁青县| 大庆市| 东海县| 铜陵市| 宿松县| 肥东县| 花垣县| 宜城市| 雷山县| 团风县| 承德县| 云龙县| 六安市| 香港| 宁波市| 通道| 济阳县| 新龙县| 东源县| 昭觉县| 纳雍县| 綦江县| 梧州市| 师宗县| 常宁市| 平原县| 栾城县| 崇阳县| 乐昌市| 罗江县| 乌什县| 朝阳市|