到今天为止，在emr上使用pig 0.9.1，我发现以下内容已经足够了：

env HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/path/to/jython.jar pig -f script.pig

哪里 script.pig 做一个python脚本的寄存器，但不是 jython.jar :

register Pig-UDFs/udfs.py using jython as mynamespace;

经过几次错误的转变，我发现，至少在hadoop的弹性map reduce实现上，pig似乎忽略了classpath环境变量。相反，我发现我可以使用hadoop\u classpath变量来控制类路径。
一旦我实现了这一点，就可以很容易地设置使用python UDF的内容：
安装jython sudo apt-get install jython -y -qq 设置hadoop\u classpath环境变量。 export HADOOP_CLASSPATH=/usr/share/java/jython.jar:/usr/share/maven-repo/org/antlr/antlr-runtime/3.2/antlr-runtime-3.2.jar jar确保hadoop可以找到pyexception类
antlr-runtime-3.2.jar确保hadoop可以找到charstream类
为jython创建缓存目录（这在jythonfaq中有文档记录）
sudo mkdir /usr/share/java/cachedir/ sudo chmod a+rw /usr/share/java/cachedir 我应该指出，这似乎与我在寻找解决这个问题的方法时发现的其他建议直接矛盾：
设置classpath和classpath环境变量似乎没有任何作用。
包含udf的.py文件不需要包含在hadoop\u classpath环境变量中。
pig中使用的.py文件的路径 register 陈述可以是相对的，也可以是绝对的，似乎并不重要。

嗯…为了澄清我刚才读到的一些内容，在这里使用python-udf-in-pig在存储在s3上的emr上运行，它就像pig脚本中的这行代码一样简单：
使用jython作为mynamespace注册“s3://path/to/bucket/udfs.py”
也就是说，不需要修改类路径。我现在正在生产中使用它，不过需要注意的是，我没有在我的udf中引入任何额外的python模块。我认为这可能会影响到你需要做些什么来让它发挥作用。

我最近也遇到了同样的问题。你的答案可以简化。您根本不需要安装jython或创建缓存目录。您确实需要在emr引导脚本中包含jythonjar（或者做类似的事情）。我用下面几行代码编写了一个emr引导脚本。通过完全不使用s3cmd，而是使用作业流（将文件放在特定目录中），可以进一步简化这一点。通过s3cmd获取udf肯定是不方便的，但是，当使用pig的emr版本时，我无法在s3上注册udf文件。
如果您使用的是charstream，那么必须将该jar也包含到piglib路径中。根据您使用的框架，您可以将这些引导脚本作为选项传递给您的作业，emr通过其elasticmapreduceruby客户端支持这一点。一个简单的选择是将引导脚本放在s3上。
如果在引导脚本中使用s3cmd，则需要另一个执行类似操作的引导脚本。此脚本应按引导顺序放在另一个脚本之前。我正在远离使用s3cmd，但是为了我的成功尝试，s3cmd成功了。而且，s3cmd可执行文件已经安装在亚马逊的pig映像中（例如ami版本2.0和hadoop版本0.20.205）。
脚本#1（命令行）

# !/bin/bash

cat <<-OUTPUT > /home/hadoop/.s3cfg
[default]
access_key = YOUR KEY
bucket_location = US
cloudfront_host = cloudfront.amazonaws.com
cloudfront_resource = /2010-07-15/distribution
default_mime_type = binary/octet-stream
delete_removed = False
dry_run = False
encoding = UTF-8
encrypt = False
follow_symlinks = False
force = False
get_continue = False
gpg_command = /usr/local/bin/gpg
gpg_decrypt = %(gpg_command)s -d --verbose --no-use-agent --batch --yes --passphrase-fd %  (passphrase_fd)s -o %(output_file)s %(input_file)s
gpg_encrypt = %(gpg_command)s -c --verbose --no-use-agent --batch --yes --passphrase-fd %(passphrase_fd)s -o %(output_file)s %(input_file)s
gpg_passphrase = YOUR PASSPHRASE
guess_mime_type = True
host_base = s3.amazonaws.com
host_bucket = %(bucket)s.s3.amazonaws.com
human_readable_sizes = False
list_md5 = False
log_target_prefix =
preserve_attrs = True
progress_meter = True
proxy_host =
proxy_port = 0
recursive = False
recv_chunk = 4096
reduced_redundancy = False
secret_key = YOUR SECRET
send_chunk = 4096
simpledb_host = sdb.amazonaws.com
skip_existing = False
socket_timeout = 10
urlencoding_mode = normal
use_https = False
verbosity = WARNING
OUTPUT

脚本#2（播种jythonjar）

# !/bin/bash

set -e

s3cmd get <jython.jar>

# Very useful for extra libraries not available in the jython jar. I got these libraries from the

# jython site and created a jar archive.

s3cmd get <jython_extra_libs.jar>
s3cmd get <UDF>

PIG_LIB_PATH=/home/hadoop/piglibs

mkdir -p $PIG_LIB_PATH

mv <jython.jar> $PIG_LIB_PATH
mv <jython_extra_libs.jar> $PIG_LIB_PATH
mv <UDF> $PIG_LIB_PATH

# Change hadoop classpath as well.

echo "HADOOP_CLASSPATH=$PIG_LIB_PATH/<jython.jar>:$PIG_LIB_PATH/<jython_extra_libs.jar>" >>    /home/hadoop/conf/hadoop-user-env.sh