最佳方式

Question

我在Hadoop的數據，看起來像這樣：

DUMP EmailData; （Email，StateName）（allen@a.com，加利福尼亞州） （bobby@b.com，亞利桑那州）（cindy@c.com，紐約）

DUMP StateData; （StateCode，經度，緯度）（AZ，-111.93248，34.17163）（紐約州， -75.810280，42.75633）（CA，-119.25700，37.26842）

我想沿着線做一些事情：

Locations = JOIN EmailData BY StateName, StateData BY StateCode; 

但顯然你不能匹配代碼的名稱。 如果是SQL，我會使用case語句或定義一個表並插入可以橋接我想要的關係的值。

在豬身上做這件事的最好方法是什麼？

Answer 1

最簡單，最快捷的方法就是快速將50行（或更多，取決於DC或任何地區的存在）文件翻譯代碼轉換爲名稱，然後將其轉換爲JOIN。如果您覺得雄心勃勃，不想處理額外的文件，您可以編寫一個UDF來完成翻譯，並將數據編入硬編碼。由於這些數據的變化非常緩慢，因此對它進行硬編碼並不是什麼大問題。