hadoop - 使用 pig 脚本计算字段的不同值的计数

Question

对于表格的文件

A B user1
C D user2
A D user3
A D user1

我想计算字段 3 的不同值的计数，即count(distinct(user1, user2,user2,user1)) = 3

我正在使用以下猪脚本执行此操作

A =  load 'myTestData' using PigStorage('\t') as (a1,a2,a3); 

user_list = foreach A GENERATE $2;
unique_users = DISTINCT user_list;
unique_users_group = GROUP unique_users ALL;
uu_count = FOREACH unique_users_group GENERATE COUNT(unique_users);
store uu_count into 'output';

有没有更好的方法来计算字段的不同值？

Answer 1

执行此操作的最新方法：

user_data = LOAD 'myTestData' USING PigStorage('\t') AS (a1,a2,a3);
users = FOREACH user_data GENERATE a3;
uniq_users = DISTINCT users;
grouped_users = GROUP uniq_users ALL;
uniq_user_count = FOREACH grouped_users GENERATE COUNT(uniq_users);
DUMP uniq_user_count;

这会将值保留(3)在您的日志中。

Answer 2

我这里有一个更简洁的。您可能想检查哪个运行得更快。

A =  LOAD 'myTestData' USING PigStorage('\t') AS (a1,a2,a3);
unique_users_group = GROUP A ALL;
uu_count = FOREACH unique_users_group {user = A.a2; uniq = distinct user; GENERATE COUNT(uniq);};
STORE uu_count INTO 'output';