pig实战 pig常用语法总结，教你快速入门——结构篇

　　任何一种语言的学习掌握都离不开结构和算法的思想，本文将从结构方面剖析Pig常用操作后的结构，总结了其中的一些容易犯错的地方。

　　详细语法介绍请参考http://pig.apache.org/docs/r0.8.1/piglatin_ref2.html#Casting+Relations+to+Scalars；个人的总结请参考下一篇pig常用语法总结，教你快速入门——算法篇

结构：

　　LOAD 后的数据结构为：

　　　　A: {col1: int,col2: int,col3: int,col4: double,col5: double}

　　GROUP BY 后的数据结构为:
　　　　B: {group:tuple(col1:int,col2:int),B:bag{:tuple(col1:int,col2:int,col3:int,col4:int)}

　　GENERATE group后数据结构为
　　　　C: {group:tuple(col1: int,col2: int,col3: int),double,double}

　　GROUP A all后的数据结构为：
　　　　B: {group: chararray,A: {(col1: int,col2: int,col3: int,col4: int)}}

　　DISTINCT后的结构是：
　　　　C: {group:tuple(col1:int, col2:int), long};}

　　对A FILTER操作B = FILTER A BY A.col3 >2;后结构为
　　　　B: {col1: int,col2: int,col3: int,col4: int}
　　　　而对B进行分组操作后，结构为
　　　　C: {group:tuple(col1: int,col2: int),B:bag{(col1: int,col2: int,col3: int,col4: int)}}
　　　　当引用的列为bag中的field时，要带上bag名，即B.col3;

　　对两个文件按一个字段JOIN后结构为：
　　　　C: {A::col1: int,A::col2: int,A::col3: int,A::col4: double,A::col5: double,B::col6: int,B::col7: int,B::col8: int,B::col9: int}

　　　　对field的引用方法为A::coln

　　UNION 两个文件后的结构是：
　　　　C: {col1: int,col2: int}

　　FILTER后，字段名没有改变，所以接下来group的时候不能带关系名称，对于这点，当出现““scalar has more than one row in the output”错误时，先describe上个操作结果结构，如果是C: {group: (col1: int,col2: int),B: {(col1: int,col2: int,col3: int,col4: int)}}这个结构，则下部操作要带B关系名，如果是"C: {A::col1: int,A::col2: int,A::col3: int,A::col4: double,A::col5: double,B::col6: int,B::col7: int,B::col8: int,B::col9: int}"则要把X.col3换成X::col3;如果是A：{(col1: int,col2: int,col3: int,col4: int)}，则不能带A这个关系，因此当操作的是一个bag时，要带上这个bag的标识，如在group by后要带上bag引用，而简单的FLTER不能带上关系名。
同时，在FOREACH时，每个元素都是一个bag，这时对bag的字段操作要带上操作引用如B.c。