我正在尝试使用pig拉丁语创建以下关系格式：
userid，day，{（pid，fulldate，x，y），（pid，fulldate，x，y），…}
关系描述：每天每个用户（userid）购买了多个产品（pid）
我正在将数据加载到：
A= LOAD '**from a HDFS URL**' AS (pid: chararray,userid:
chararray,day:int,fulldate: chararray,x: chararray,y:chararray);
B= GROUP A BY (userid, day);
Describe B;b:{group:（userid:chararray，day:int），a:{（pid:chararray，day:int，fulldate:chararray，x:chararray，userid:chararray，y:chararray）}}
C= FOREACH B FLATTEN(B) AS (userid,day), $1.pid, $1.fulldate,$1.x,$1.y;
Describe C;c:{userid:chararray，day:int，{（pid:chararray）}}，{（fulldate:chararray）}，{（x:chararray）}，{（y:chararray）}
描述c的结果没有给出我想要的格式！我做错了什么？
2条答案
按热度按时间zvokhttg1#
我的理解是
B几乎就是你要找的，除了你希望元组包含userid以及day你只想pid,fulldate,x，和y出现在袋子里。首先，您要展平元组
group其中有字段userid以及day，不是包A它包含多个元组。压扁groupunnests元组，每行只有一组唯一的值，而将包展平A会有效地将你以前的GROUP BY声明，因为包中的值A不是唯一的。所以第一部分应该是C = FOREACH B GENERATE FLATTEN(group) AS (userid, day);下一步，你想保持pid,fulldate,x，和y在每个记录中使用不同的元组，但您选择它们的方式实际上是将所有pid价值观，一袋所有的fulldate值等。请尝试以使元组嵌套在包中的方式选择这些字段：ckx4rj1h2#
你是对的，直到
GROUP BY部分。然而，在那之后，你正试图做一些混乱的事情。我不知道你的化名怎么了C. 要获得所需的格式，需要一个嵌套的foreach。这允许c为每一个都有一个记录
(userid, day)以及所有相应的(pid,fulldate, x, y)一个袋子里的元组。您可以在此处阅读有关嵌套foreach的更多信息：https://www.safaribooksonline.com/library/view/programming-pig/9781449317881/ch06.html （在该链接中搜索嵌套的foreach）。