hadoop - 从 Pig 中的另一行中减去一行的值

Question

我正在尝试使用 Pig 开发一个示例程序来分析一些日志文件。我想分析不同作业的运行时间。当我读入作业的日志文件时，我得到作业的开始时间和结束时间，如下所示:

(Wed,03/20/13,01:03:37,EDT)
(Wed,03/20/13,01:05:00,EDT)

现在，要计算耗时，我需要减去这 2 个时间戳，但由于两个时间戳都在同一个包中，我不确定如何比较它们。所以我正在寻找有关如何执行此操作的想法。谢谢!

Answer 1

两个日志行中的作业是否有唯一 ID？还有什么东西可以指示哪个事件开始，哪个事件结束？

如果是这样，您可以读取数据集两次，一次用于开始事件，一次用于结束事件，然后将两者连接在一起。然后您将拥有一个包含两个事件的记录。

所以:

A = FOREACH logline GENERATE id, type, timestamp;
START = FILTER A BY (type == 'start');

END = FILTER A  BY (type == 'end');

JOINED = JOIN START by ID, END by ID;

DIFF = FOREACH JOINED GENERATE (START.timestamp - END.timestamp); // or whatever;