我有数据如下使用猪脚本
1,ref1,1200,USD,CR
2,ref1,1200,USD,DR
3,ref2,2100,USD,DR
4,ref2,800,USD,CR
5,ref2,700,USD,CR
6,ref2,600,USD,CR
欲组这些记录,其中FIELD2匹配,和(字段3)匹配和字段5是相反的(也就是说,如果LHS是“CR”然后RHS寻找类似条目应该是“DR”,反之亦然)
如何使用猪脚本来实现这一点?
我有数据如下使用猪脚本
1,ref1,1200,USD,CR
2,ref1,1200,USD,DR
3,ref2,2100,USD,DR
4,ref2,800,USD,CR
5,ref2,700,USD,CR
6,ref2,600,USD,CR
欲组这些记录,其中FIELD2匹配,和(字段3)匹配和字段5是相反的(也就是说,如果LHS是“CR”然后RHS寻找类似条目应该是“DR”,反之亦然)
如何使用猪脚本来实现这一点?
你也可以做到这方法:
data = LOAD 'myData' USING PigStorage(',') AS
(field1: int, field2: chararray,
field3: int, field4: chararray,
field5: chararray) ;
B = FOREACH (GROUP data BY (field2, field5)) GENERATE group.field2, data ;
-- Since in B there will always be two sets of field2 (one for CR and one for DR)
-- grouping by field2 again will get all pairs of CR and DR
-- (where the sums are equal of course)
C = GROUP B BY (field2, SUM(field3)) ;
在最后一步的模式和输出:
C: {group: (field2: chararray,long),B: {(field2: chararray,data: {(field1: int,field2: chararray,field3: int,field4: chararray,field5: chararray)})}}
((ref1,1200),{(ref1,{(1,ref1,1200,USD,CR)}),(ref1,{(2,ref1,1200,USD,DR)})})
((ref2,2100),{(ref2,{(4,ref2,800,USD,CR),(5,ref2,700,USD,CR),(6,ref2,600,USD,CR)}),(ref2,{(3,ref2,2100,USD,DR)})})
输出放一点点unwie LDY的权利,但这样会清除掉:
-- Make sure to look at the schema for C above
D = FOREACH C {
-- B is a bag containing tuples in the form: B: {(field2, data)}
-- What we want is to just extract out the data field and nothing else
-- so we can go over each tuple in the bag and pull out
-- the second element (the data we want).
justbag = FOREACH B GENERATE FLATTEN($1) ;
-- Without FLATTEN the schema for justbag would be:
-- justbag: {(data: (field1, ...))}
-- FLATTEN makes it easier to access the fields by removing data:
-- justbag: {(field1, ...)}
GENERATE justbag ;
}
进入这个:
D: {justbag: {(data::field1: int,data::field2: chararray,data::field3: int,data::field4: chararray,data::field5: chararray)}}
({(1,ref1,1200,USD,CR),(2,ref1,1200,USD,DR)})
({(4,ref2,800,USD,CR),(5,ref2,700,USD,CR),(6,ref2,600,USD,CR),(3,ref2,2100,USD,DR)})
谢谢。将尝试这一点,让你知道,如果这是给出了预期的结果。 – user2541499
是的,它的工作。这正是我所期待的,非常感谢你。但请您澄清一下您计算“D”的部分。它究竟做了什么? – user2541499
在袋子上做一个FOREACH可以创建一个新袋子,而新袋子的数据格式使得它更易于使用。查看我添加到代码中的评论以获取更多详细信息。 – mr2ert
我不知道,我理解您的需求,但你可以加载数据,分成两组(过滤器/分)和协同组如:
data = load ... as (field1: int, field2: chararray, field3: int, field4: chararray, field5: chararray);
crs= filter data by field5='CR';
crs_grp = group crs by field1;
crs_agg = foreach crs_grp generate group.field1 as field1, sum(crs.field3);
drs = filter data by field5='DR';
drs_grp = group drs by field1;
drs_agg = foreach drs_grp generate group.field1 as field1, sum(drs.field3);
g = COGROUP crs_agg BY (field1, field3), drs_agg BY (field1, field3);
谢谢Neumann.Yes这是开始点。之后,我需要总结field3属于相同的field2,但field5中有相反的指标。然后将所有这些记录汇总在一起。 – user2541499
事实上,我需要的结果是 - 组记录1和2为一组,并将3,4,5和6组记录到另一组中。 – user2541499
好吧,我想我明白了 - 所以你要过滤,然后分组和计算总和,然后cogroup,看看答案,格式化为代码。 – SNeumann
可不可以给求和场3的例子吗?另外,我假设最后的组是对(因为field5必须相反)。 – mr2ert