189 8069 5689
本篇文章为大家展示了Pig怎么实现关键词匹配，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
创新互联建站是一家集网站建设,宜城企业网站建设,宜城品牌网站建设,网站定制,宜城网站建设报价,网络营销,网络优化,宜城网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
1. 问题描述
收集日志avro数据中有两个Map字段appInstall、appUse分别表示已安装的app、正在使用的app，且key值为app的名称，value值为app使用信息。现在要得到一份匹配上购物类app支付宝|京东|淘宝|天猫的用户名单；MapReduce 解决办法如下：
public static class M extends Mapper{
Text text = new Text();
@SuppressWarnings("unchecked")
@Override
protected void map(String key, Pair value, Context context) throws IOException, InterruptedException {
Map data = value.fields.data;
String dvc = data.get("dvc").toString();
MapappInstall = (Map) data.get("appInstall");
MapappUse = (Map) data.get("appUse");
for(String app: appInstall.keySet()) {
if(app.matches("支付宝|京东|淘宝|天猫")) {
text.set(appInstall.keySet().toString());
context.write(dvc, text);
return;
}
}
for(String app: appUse.keySet()) {
if(app.matches("支付宝|京东|淘宝|天猫")) {
text.set(appUse.keySet().toString());
context.write(dvc, text);
return;
}
}
}
}但是，如果要匹配游戏类的app、金融类的app类呢？如果匹配关键词发生了变化呢？显然，我们应该将匹配关键词开放成API，可以自由地匹配正则表达式。这时，pig派上了用场。
2. Bag正则匹配
A = load '//' using org.apache.pig.piggybank.storage.avro.AvroStorage();
-- A: {key: chararray,value: (fields: (data: map[]))}
B = foreach A generate value.fields.data#'dvc' as dvc, value.fields.data#'appInstall' as ins:map[], value.fields.data#'appUse' as use:map[];
-- B: {dvc: bytearray,ins: map[],use: map[]}
C = foreach B generate dvc, KEYSET(ins) as insk, KEYSET(use) as usek;
-- C: {dvc: bytearray,insk: {(chararray)},usek: {(chararray)}}在上述代码中，load 数据转换得到bag类型的app-set（insk与usek）；但是，应如何遍历bag中的tuple与正则表达式做匹配呢？答案是UDF。
Apache DataFu Pig 提供了丰富的UDF，其中关于bags的UDF可以参看这里。TupleFromBag 提供根据index从bag提取tuple，支持三个输入参数。依葫芦画瓢，遍历bag匹配正则表达式的UDF如下：
package com.pig.udf.bag;
/**
* This UDF will return true if one tuple from a bag matches regex.
*
* There are two input parameter:
* 1. DataBag
* 2. Regex String
*/
public class BagMatchRegex extends FilterFunc {
@Override
public Boolean exec(Tuple tinput) throws IOException {
try{
DataBag samples = (DataBag) tinput.get(0);
String regex = (String) tinput.get(1);
for (Tuple tuple : samples) {
if(((String) tuple.get(0)).matches(regex)){
return true;
}
}
}
catch (Exception e) {
return false;
}
return false;
}
}其中，FilterFunc为过滤UDF的基类，继承于EvalFunc，即exec(Tuple tinput)的返回值必为Boolean类型。bag正则匹配的pig 脚本如下：
REGISTER ../piglib/udf-0.0.1-SNAPSHOT-jar-with-dependencies.jar define BagMatchRegex com.pig.udf.bag.BagMatchRegex(); A = load '/user/../current/*.avro' using org.apache.pig.piggybank.storage.avro.AvroStorage(); B = foreach A generate value.fields.data#'dvc' as dvc, value.fields.data#'appInstall' as ins:map[], value.fields.data#'appUse' as use:map[]; C = foreach B generate dvc, KEYSET(ins) as insk, KEYSET(use) as usek; D = filter C by BagMatchRegex(insk, '支付宝|京东|淘宝|天猫') or BagMatchRegex(usek, '支付宝|京东|淘宝|天猫');
3. 优化
还有没有可以做优化的地方呢？我们先来看看pig中的KEYSET实现：
package org.apache.pig.builtin;
public class KEYSET extends EvalFunc{
private static final TupleFactory TUPLE_FACTORY = TupleFactory.getInstance();
@SuppressWarnings("unchecked")
@Override
public DataBag exec(Tuple input) throws IOException {
if(input == null || input.size() == 0) {
return null;
}
Mapm = null;
// Input must be of type Map. This is verified at compile time
m = (Map)(input.get(0));
if(m == null) {
return null;
}
DataBag bag = new NonSpillableDataBag(m.size());
for (String s : m.keySet()) {
Tuple t = TUPLE_FACTORY.newTuple(s);
bag.add(t);
}
return bag;
}
...
}需要指出的一点——pig的map数据类型是由Java类Map实现的。从KEYSET源码中可以看出在调用时已经将map遍历了一次，然后在调用BagMatchRegex时又需要将key-set的bag再遍历一次。其实，完全可以只用一次遍历做map-key值的正则匹配：
package com.pig.udf.map;
/**
* This UDF will return true if map's key matches regex.
*
* There are two input parameter:
* 1. Map
* 2. Regex String
*/
public class KeyMatchRegex extends FilterFunc {
@SuppressWarnings("unchecked")
@Override
public Boolean exec(Tuple input) throws IOException
{
try{
Mapm = null;
// Input must be of type Map. This is verified at compile time
m = (Map)(input.get(0));
String regex = (String) input.get(1);
for (String key : m.keySet()) {
if(key.matches(regex)){
return true;
}
}
}
catch (Exception e) {
return false;
}
return false;
}
}上述内容就是Pig怎么实现关键词匹配，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。