大数据操作中涉及到数据清洗步奏还是用脚本处理比较方便，下边介绍一下pig加载hdfs文件后调用ruby脚本处理数据，再返回数据流至pig中处理的一个简单案例。 注意：ruby的流式处理用到wukong这个gem包，相关下载： https://github.com/mrflip/wukong pig中加载分布式文件调用ruby流式处理： 代码如下: log = load ‘$INFILE’ using PigStorage(‘\t’); define tracking_parser `/us