2016-12-19 3 views
0

Я пытаюсь очистить данные под моими данными с помощью Apache PIG, используя данные из стол из улья.Apache PIG - ERROR org.apache.pig.impl.PigContext - встречается «<OTHER>», = «" в строке 1, столбец 1

Я это заявление в Apache PIG:

INPUT_FILE = LOAD 'staging_area' USING org.apache.hive.hcatalog.pig.HCatLoader() 
AS 
      (ID:Long, 
      CHAIN:Int, 
      DEPT:Int, 
      CATEGORY:Int, 
      COMPANY:Long, 
      BRAND:Long, 
      DATE:Chararray, 
      QUARTER:Int, 
      MONTH:Int, 
      DAY:Int, 
      WEEKDAY:Int, 
      PRODUCT_SIZE:Int, 
      PRODUCT_MEASURE:Chararray, 
      PRODUCT_QUANTITY:Int, 
      PURCHASE_AMOUNT:Double); 

SPLIT INPUT_FILE INTO DATA IF (PRODUCT_SIZE > 0 AND PURCHASE_AMOUNT > 0 AND PRODUCT_QUANTITY > 0), MISSING_VALUES if (PRODUCT_QUANTITY <= 0 OR PURCHASE_AMOUNT <= 0); 

DATA_TRANSFORMATION = FOREACH DATA GENERATE 
              ID, 
              CHAIN, 
              DEPT, 
              CATEGORY, 
              ToDate(DATE,'yyyy-MM-dd') as DATE_ID, 
              QUARTER, 
              MONTH, 
              DAY, 
              WEEKDAY, 
              PRODUCT_SIZE, 
              PURCHASE_AMOUNT; 

GRP = GROUP DATA_TRANSFORMATION BY ID; 

SUMMED = foreach GRP { 
    amount = SUM(DATA_TRANSFORMATION.PURCHASE_AMOUNT); 
    cnt = COUNT(DATA_TRANSFORMATION.ID); 
    generate group, Purchase_Average,Freq_Visits; 
} 

JOINED = join DATA_TRANSFORMATION by $0, SUMMED by $0; 

DATASET = FOREACH JOINED GENERATE $0,$1,$2,$3,$4,$5,$6,$7,$8,$9,$10,$11,$12; 

RANKING = rank DATASET by $6,$1,$0; 

DW = FOREACH RANKING GENERATE $1 as ID,$2 as Purchase_Average, $3 as Freq_Visits, $0 as Transaction_ID, $4,$5,$6,$7,$8,$9,$10,$11,$12,$13; 

STORE DW INTO '/user/cloudera/data' USING PigStorage(','); 

В таблице в улье есть эти данные (топ-10):

id chain dept category company brand date_id quarter month_id day_id weekday productsize productmeasure purchasequantity purchaseamount 
1940424003 46 99 9909 1081843181 25935 29-01-2013 00:00 1 1 29 2 6 OZ 2 5 
1940424003 46 35 3504 103500030 13470 04-02-2013 00:00 1 2 4 1 25 OZ 2 5 
1940424003 46 91 9115 108048080 1230 08-02-2013 00:00 1 2 8 5 0 LT 1 13.99 
1940452798 46 7 706 101200010 17286 09-02-2013 00:00 1 2 9 6 38 OZ 1 5.75 
1940452798 46 45 4517 107220575 17340 10-02-2013 00:00 1 2 10 7 16 OZ 1 45 
1940452798 46 99 9909 107143070 5072 10-02-2013 00:00 1 2 10 7 12 OZ 1 1.99 
1940452798 46 21 2119 1061300868 867 10-02-2013 00:00 1 2 10 7 138 OZ 1 43.8 
1940452798 46 56 5616 1071373373 11473 10-02-2013 00:00 1 2 10 7 8 OZ 1 2.5 
1940452798 46 7 706 107146474 2142 10-02-2013 00:00 1 2 10 7 15 OZ 1 2 
1940452798 46 72 7205 103700030 4294 22-02-2013 00:00 1 2 22 5 6 OZ 1 3 

Everytime, что я бегу мой сценарий я получаю эта ошибка:

ERROR org.apache.pig.impl.PigContext - Encountered " <OTHER> ",= "" at line 1, column 1 

Кто-нибудь знает, как это решить? Мои данные имеют размер 3 000 000 записей, и я использую Cloudera Quickstart VM 5.8.

ответ

0
SUMMED = foreach GRP { 
    amount = SUM(DATA_TRANSFORMATION.PURCHASE_AMOUNT); 
    cnt = COUNT(DATA_TRANSFORMATION.ID); 
    generate group, Purchase_Average,Freq_Visits; 
} 

Вы не можете проектировать Purchase_Average и Freq_Visits здесь.

+0

Привет Алексей, он возвращает ту же ошибку :( –

+0

ПОДВЕДЕНЫ = Еогеасп GRP { сумма = SUM (DATA_TRANSFORMATION .PURCHASE_AMOUNT); CNT = COUNT (DATA_TRANSFORMATION .id); генерировать группы, Purchase_Average, Freq_Visits; } Вы также генерируете несуществующие поля. Можете ли вы проверить, действительно ли реальный сценарий, как тот, который вы предоставили, содержит некоторые семантические ошибки? – Alexey

+0

Я отредактировал с моим реальным кодом –