您现在的位置是:网站首页> 编程资料编程资料
ruby和pig处理流式文件实例_ruby专题_
2023-05-26
422人已围观
简介 ruby和pig处理流式文件实例_ruby专题_
大数据操作中涉及到数据清洗步奏还是用脚本处理比较方便,下边介绍一下pig加载hdfs文件后调用ruby脚本处理数据,再返回数据流至pig中处理的一个简单案例。
注意:ruby的流式处理用到wukong这个gem包,相关下载:
https://github.com/mrflip/wukong
pig中加载分布式文件调用ruby流式处理:
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');
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
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;调用定义的外部程序tra_parser处理log对象。
Wukong.run ParseClick::Mapper, nil执行完后,将ruby执行结果回调pig接收。
store strmo into '$OUTFILE' using PigStorage('\t');做结果存储持久化。
相关内容
- Ruby实现邮件主动推送触发程序_ruby专题_
- Ruby中Hash的11个问题解答_ruby专题_
- Rails中遇到错误跳转到统一提示错误页的方法_ruby专题_
- Ruby类继承、抽象类、类拓展混入、代理类实例_ruby专题_
- openSUSE下的Ruby安装openssl出错解决方法_ruby专题_
- PHP实现的一个保存远程文件到本地的函数分享_ruby专题_
- ruby、javascript、php中的观察者模式实现代码_ruby专题_
- ruby迭代map的简洁写法实现原理分析_ruby专题_
- Ruby中访问SQL Server数据库的配置实例_ruby专题_
- ruby声明式语法的实现例子_ruby专题_
