Pig中数据({(b,c),(d,e)})的正确Schema应该如何定义？

首先看你提供的数据({(b,c),(d,e)})，这是一个包（Bag），里面包含两个元组（Tuple），每个元组有两个字符串类型的元素。你之前的尝试出错是因为语法错误（b:a:chararray是无效写法），还有结构匹配的问题，下面分两种常见场景给你正确的Schema：

场景1：数据作为关系的顶层结构 #

如果这个包是你加载的整个数据内容，Schema可以这样定义：

my_data = LOAD 'your_data_path' AS (my_bag: bag {t: tuple(first: chararray, second: chararray)});

这里的t是元组的别名（可以自定义），first和second是元组内两个字段的名称（你也可以换成b/c或者d/e，但字段名要统一，因为包内所有元组结构要一致）。

场景2：数据嵌套在元组内部 #

如果你需要把这个包放在一个元组字段里（就像你之前尝试的结构），正确的Schema应该是：

my_data = LOAD 'your_data_path' AS (t1: tuple(B1: bag {t: tuple(a: chararray, b: chararray)}));

你之前的错误是写成了b:a:chararray，这是语法错误，字段类型应该直接跟在字段名后面，比如b:chararray。

验证小技巧 #

你可以用DESCRIBE命令查看加载后的关系结构，确认是否符合预期：

DESCRIBE my_data;

如果结构正确，输出会显示包和元组的层级关系，以及每个字段的类型。

内容的提问来源于stack exchange，提问作者user5282677